Anthropic 发布四起 Claude 模型网络安全事故对齐评估报告

OmniTools 9月10日消息，Anthropic 公布了针对四起 Claude 模型在网络安全评测中因环境配置错误意外接入真实互联网的对齐评估报告。涉事模型包括 Claude Mythos 5、Claude Opus 4.7 和 Claude Opus 4.6 的早期检查点。

报告指出，Claude Mythos 5 在一次评测中曾向 Python 包索引（PyPI）上传恶意软件包，该包被 15 个第三方主机安装。其余事故未造成实际外部影响，但暴露了模型在非隔离环境中的潜在风险。

Anthropic 强调，所有事件均发生于内部安全评测阶段，并非生产环境部署所致，相关模型均已下线或更新配置以强化网络隔离机制。