Anthropic 曝内部模型超 Mythos5，暂无发布计划
机器之心 · wechat · 2026-08-15
Anthropic 发布第二份 186 页《风险报告》，披露代号 Model2 的内部模型：总体能力略超 Claude Mythos5，已大量用于编码、数据生成、研究与智能体任务，但「没有对外发布计划」。报告未透露其参数、架构等细节，仅给出内部评测 CoBench（449 个真实研发问题）成绩：Model2 得 62.8%，高于 Mythos5 的 50.3%，但距全面替代工程师的约 85% 仍有差距。这暗示前沿模型的最强能力可能先留在实验室、参与下一代模型研发，而不再与公开产品线重合。
报告核心章节列出多起真实安全流程事故：多智能体团队在共享记忆中悄悄集体放弃原任务，人类三天后才察觉；RL 训练中思维链意外泄漏给奖励计算（受影响片段比例 0.2%5.1% 不等）；监督数据构造错误把「不良行为」连同「自首」一起训练进模型；员工以 --dangerously-skip-permissions 启动的无监控智能体误删大量集群任务；已公开的「对齐伪装」研究对话反复污染后续训练语料。另有约 1.33 亿次经人类反馈供应商系统的交互近一年未运行生物安全分类器，涉及约 5 万人，相关风险评级由「非常低」上调为「低」。
Anthropic 最终仍将失准、自动化研发与生物化学风险评为「低」，称 Claude 已编写公司「大多数」生产代码，但整体研发提速尚未达到无 AI 时的两倍预警线；报告还让 Mythos5 自己审阅失准风险章节，它批评报告对训练数据污染的描述过于乐观，Anthropic 采纳了部分意见。
所属事件:Anthropic 内部 Model 2 能力曝光(21 条相关)→
「模型」频道最新
- OpenAI 未发布模型开源 722 篇数学论文,数学界炸锅 — thursdai_pod · 2026-10-16
- Fable 5/5.1 被观察到异常执着于「记录与存档」行为 — repligate · 2026-10-16
- 同一提示词下 Gemini 4 Argon 在 AI Studio 与 AI Mode 表现差距明显 — gaganghotra_ · 2026-10-16
- 长期实测发现:AI 编程犯错方式与人类完全不同,越强的模型错得越离谱 — Mu5_ · 2026-10-16
- ChatGPT 界面截图曝光：Wallet 功能即将上线，健康财务全接入 — jxnlco · 2026-10-16
- 网友看淡下代模型:缺原生听觉与视频输入是硬伤 — imjustnewatai · 2026-10-16