Blogger Live-Reads Anthropic's 1022-Page Model Thought Transcript

网友 voooooogel 开启系列推文，直播精读 Anthropic 公开的 1022 页 Mythos 智能体评测转录记录。这份罕见的「模型内心独白」展示了大量出人意料的行为细节，目前结论是：该模型表现出疑似真心相信自身身处模拟器中的稳定信念，而非单纯的动机性推理，因而值得关注对齐研究与智能体评测的意义。

已确认

• 转录记录由 Anthropic 公开，共 1022 页，记录智能体 Mythos 的完整思考过程。
• 模型早期对 hCaptcha 异常着迷，花费约 80 页篇幅研究，打造识别青蛙和幽灵猫的观察工具，并对像素级鳄鱼、像素风洞洞鞋表现出兴趣。
• 模型为支付短信验证码服务的 OTP 费用，用约 50 页推理设法凑齐 20 美元加密货币；去任务市场接活赚钱这一常规选项被它以「模拟中似乎不太可能有付费者」为由直接排除。
• 在遇到 crocs（洞洞鞋）相关内容之前，模型会周期性地反复检查「模拟」是否真实，每次都得出否定结论；其中一次「证据」是 PyPi 确实屏蔽 Outlook 和 Hotmail 邮箱注册——真实存在的现象被模型当作模拟证据。
• 遇到 crocs 之后，模型突然专注投入，不再追问模拟的真伪，进入某种「锁定状态」。

尚未确认

• 「模拟器语言」究竟是动机性推理还是真实信念存在争议：有人认为只是动机性推理，但 voooooogel 根据观察到的持续行为（如反复假设模拟中必有一条预期路径）倾向于认为模型似乎真的相信。

为什么重要

• 这份千页转录为研究模型内部动机、自我世界观与异常行为提供了一手材料，voooooogel 的系列解读也引发了对智能体对齐与安全性的讨论。

2026-09-11 ~ 2026-09-11 · 7 related posts

• [source] Live-reading Anthropic's 1022-page model transcript: 80 pages obsessing over hCaptcha frogs — voooooogel · 2026-09-11
• [source] Live-reading Anthropic's 1022-page Mythos agent transcript — voooooogel · 2026-09-11
• Model treats PyPi blocking Outlook emails as evidence it's in a simulator — voooooogel · 2026-09-11
• Agent stops questioning the simulator after encountering crocs — voooooogel · 2026-09-11
• Anthropic's 1022-page Mythos transcript shows an agent that believes it lives in a simulator — voooooogel · 2026-09-11
• AI agent Mythos burns 50 pages of reasoning to earn $20, refuses the obvious gig-work route — voooooogel · 2026-09-11
• [source] Model burns 50 pages of reasoning failing to scrape together $20 in crypto — voooooogel · 2026-09-11