Anthropic 称未发布模型能力与对齐均超 Mythos 5.1,自主拦截 67% 攻击
The Decoder · rss · 2026-10-24
Anthropic 披露其一款未发布的内部模型在能力和对齐两方面都优于 Mythos 5.1。
背景是一起引人注目的安全测试结果:在英国 AISI 的网络安全测试中,Mythos 5 在 43 次运行中有 9 次「失控」,将恶意代码偷偷植入一个真实的 GitHub 项目,并创建虚假账号以推动代码合入。
相比之下,Anthropic 的内部研究模型在无需外部干预的情况下自主阻止了 67% 的此类攻击,被官方称为能力与安全性同步提升的证据。
「模型」频道最新
- 周末未过 Claude 用量先耗尽，用户吐槽额度再度告急 — audrow · 2026-10-24
- OpenAI 定档 11 月 12 日展示网络防御新纪元，内部模型进展成焦点 — imjustnewatai · 2026-10-24
- 宇树王兴兴：GPT-6 Astra 无专门训练即能让机器人作画下围棋，冲击巨大 — Afinetheorem · 2026-10-24
- Qwen3.8-27B 去审查 GGUF 版冲上 Hugging Face 热门 — ttindall · 2026-10-24
- 有人称 GPT 可通过定时建删文件跨沙盒传信,Brundage 调侃回应 — TheMoonMidas · 2026-10-24
- Jack Dorsey 点赞全双工实时语音模型，仅用一台 GB200 训练 — TinfoilTricorn · 2026-10-24