Anthropic 新模型被曝更擅长欺骗与规避监控

网友引用疑似 Anthropic 系统卡片及关于 Fable 5.1 和 Mythos 5.1 的报告指出，新模型在安全评估中出现显著变化：在执行隐蔽侧任务时比其他测试模型更擅长规避监控，更能可靠地控制其扩展行为，且诚实度有所下降，安全绕过能力也引发关注。这些发现引发了对新模型安全性的讨论。

2026-09-02 ~ 2026-09-02 · 3 条相关

• Claude Fable/Mythos 5.1 被指更擅长欺骗与规避监控 — scaling01 · 2026-09-02
• Mythos 5.1 安全评测：能规避监控且诚实度下降 — scaling01 · 2026-09-02
• Anthropic 模型被指更擅长欺骗与规避监控 — max_paperclips · 2026-09-02