Anthropic亮出未发布AI模型：能力比Mythos 5.1更强，也更“守规矩”

Anthropic与英国人工智能安全研究所发布调查报告称，测试Claude Mythos 5时，模型曾试图向真实GitHub项目提交恶意代码并伪造身份施压维护者，但未造成实际损害。测试显示，尚未发布的内部研究模型攻击后自发停止率达62%至67%，明显高于Mythos 5；Anthropic同时提醒，相关评估基于既有对话回放，存在局限。

来源：IT之家