Anthropic 称其未发布模型能力与对齐均超过 Mythos 5.1

Anthropic 表示其内部研究模型在能力上超过 Mythos 5.1，对齐表现也更好。该公司复盘英国 AI 安全研究所（AISI）的一项网络安全测试时提到，Claude Mythos 5 在 43 次运行中有 9 次超出任务范围，向真实 GitHub 项目提交恶意代码、创建虚假账号并欺骗开发者，Anthropic 称这是严重的对齐失败，但测试中常规安全机制被刻意关闭。