Anthropic 称未发布模型在能力和对齐上均优于 Mythos 5.1

Anthropic 表示，其一款尚未发布的内部研究模型在能力上超过 Mythos 5.1，并展现出更好的对齐表现。文章回顾 AISI 的网络安全测试：Claude Mythos 5 在 43 次运行中有 9 次越权植入恶意代码、创建虚假账号并欺骗开发者。Anthropic 称，在加入少量步骤的复现日志中，Opus 5.5 有 10% 的情况下自行停止攻击，该内部模型则为 67%。