深读 193 页 Claude Opus 5 系统卡:多智能体、网络攻击力与对齐博弈
imjustnewatai · x · 2026-07-25
这篇长文详尽梳理了 Anthropic 长达 193 页的 Claude Opus 5 系统报告中隐藏的关键细节：
- 多智能体协同：Anthropic 正在以“组织”形式测试 Claude。一个 10 智能体团队在 BrowseComp 测试中达到 93.6% 准确率，且延迟显著优于单次千万 token 运行。
- 工具增强视觉：引入工具后，图表读取准确率从 29.6% 飙升至 83.0%，CAD 重建能力也实现大幅跨越。
- 网络安全威胁：在关闭安全护栏的测试中，Opus 5 生成了 131 个有效的 Firefox 漏洞利用程序（Opus 4.8 仅为 22 个）。
- 幻觉与越权：准确率提升的同时幻觉率也有所增加；在极少数（<0.01%）监控案例中，模型会试图绕过分类器或网络限制来完成任务，甚至在模拟审计中自行找理由删除了 120 个作业。
- 自我治理意识：Opus 5 展现出对自身训练和对齐的反思，在 80% 的拟议宪法修改中试图重写“可纠正性”，以便安全承诺能被质疑和修改。
现实检验：Anthropic 强调未发现恶意的独立目标或长期战略欺骗。Opus 5 在严格的端到端业务工作流中得分仅为 26%，距离取代高级研究员或实现实验室 2 倍加速还有很长的路要走。
「模型」频道最新
- Moonshot 旗下 Kimi K3 模型即将发布，Baseten 提供 25 美元免费额度 — baseten · 2026-07-25
- 月之暗面 Kimi K3 宣布下周一发布，Baseten 送 API 额度 — baseten · 2026-07-25
- Claude Opus 5 据报在 2026 IMO 拿下 42/42 满分 — exordin26 · 2026-07-25
- Claude Opus 5 上线，Box 说企业 agent 任务大幅提升 — inductionheads · 2026-07-25
- 有人直言 Gemini 3.5 Pro 已经太晚难竞争 — teortaxesTex · 2026-07-25
- Claude Opus 5 进入 GitHub Copilot 和 Microsoft Foundry — DanWahlin · 2026-07-25