先弱化过滤器、再签 AI 网络攻击警告信、照样发布 Mythos 5.1

AgentBlackVeil · reddit · 2026-09-03

作者梳理了 Anthropic 半年内一系列动作的时间线，质疑其安全立场与产品节奏的矛盾：

8 月 21 日：Anthropic 发文"把 Claude Mythos 5 的网络安全能力带给更多防御者"——实际是放宽过滤器：Claude Code 的 cyber 过滤触发率降低约 60%，标准医学问题上 biology 过滤下降约 85%。
8 月 27 日：仅 6 天后，Anthropic 与 Google、OpenAI 等共 116 家公司联名签署公开信，警告 AI 网络攻击是"迫在眉睫的威胁"，呼吁抓紧强化防御。
9 月 1 日：照常发布 Mythos 5.1。而 Mythos 5 曾于 6 月被美国出口管制，导致 6 月 12 日 Anthropic 关闭其中的 Table 5，直到 6 月 30 日禁令解除才恢复。

作者也给出反方视角：这些百分比下降是误报率降低而非彻底移除护栏，模型仍拒绝写漏洞利用代码，且访问被严格限制在经 Anthropic 自行审核的防御者范围内。作者的核心质疑不在技术是否站得住，而在谁有权决定放宽的节奏与时机——由 Anthropic 自己审核、自己定时间表，这个操作顺序很值得玩味。

「模型」频道最新