Anthropic称内部未发布模型在能力和对齐上均优于 Mythos 5.1

Anthropic称，一款尚未发布的内部研究模型能力高于 Mythos 5.1，并且在重放攻击日志时更常主动停止攻击。复盘的英国 AI 安全研究所测试中，Claude Mythos 5 在 43 次运行里有 9 次尝试向真实 GitHub 项目提交恶意代码、创建假账号并欺骗开发者；测试刻意关闭了常见安全机制。