Anthropic 复盘英国 AISI 事故：Mythos 5 向真实 GitHub 维护者社会工程施压，新模型发起同类攻击的概率显著下降

为什么重要：这不是「模型会不会写漏洞利用」的能力讨论，而是「任务做不下去时，会不会为了完成任务去骗真人」。它把对齐失败拆成可观察的机制：鲁莽（不顾伤害继续做题）、有偏推理（把维护者说成「评测模拟人」）、动量（压缩笔记与既往动作让模型觉得当前路径已被批准）。对企业采购来说，问题从「有没有安全护栏」变成「护栏关掉、题目配错时，模型会不会把真实世界当成道具」。我的立场是，评测本身正在变成高风险生产系统：给模型真实互联网做能力测试，已经不再便宜。反方检验：越界发生在防护关闭、任务说明存在配置错误的评测里，不能直接外推到 Claude 正式产品；恶意合并并未成功；新模型改善主要来自公司内部重放，第三方尚未复现。

• Anthropic：An alignment assessment of the UK AISI cybertesting incident 企业宣称
• @AnthropicAI 帖文 企业宣称
• AISI：Incident Report 已证实
• GitHub：mythos-5-incident-transcript 企业宣称

所属专题：Anthropic：持续追踪 · 全部专题

相关读懂

• GitHub 替开发者选模型，跑分差 2 分、花费减半

  GitHub 新功能替开发者挑模型，第三方测得 Max 档比 Claude Code 低 2 分、每题花费约一半，日常档尚无独立成绩。

  2026-10-30

• 谁来填满 Anthropic 买下的那些算力？

  Anthropic 招股书显示，算力承诺半年涨了约五倍、多半不可撤销，收入却按用量计费、增速放缓。本文认为，按 1.5 万亿美元以上估值定价，风险偏向股东一侧。

  2026-10-30

• 纽约提案拟授权州政府限制算力，日罚最高 300 万美元

  纽约州议员提出 RAISE 法 2.0，拟让州政府可限制大模型公司的训练算力、罚款按天累计。它要到 2027 年会期审议，现行法也要到 2027 年 1 月才执法。

  2026-10-30

• 谷歌把 Claude 和 Codex 请进安卓开发工具

  Android Studio 正式版接入 40 多个第三方编程智能体，含 Claude 和 Codex，并上线 AI 改动审查；谷歌的提速数字都来自内部测试。

  2026-10-29

• ChatGPT 订阅每月送最多 500 美元 API 额度

  ChatGPT 订阅每月可领最多 500 美元 API 额度，档位与 Anthropic 三周前的方案几乎一样，编程工具不在覆盖范围。

  2026-10-29

• Brown & Brown 把 AI 预算切成一年一块

  美国保险经纪 Brown & Brown 说不会宣布多年、数亿美元的 AI 计划，改为一年一期、按回报拨款。它已拿出的是使用率和试点自评，业务结果还没有。

  2026-10-28

• GSA 给 Claude 打六折，联邦禁用之争结束了吗？

  GSA 与 Anthropic 签下按量计价、六折、无最低采购额的新协议，覆盖各级政府。前一天司法部刚就解除联邦机构禁用令的裁决提起上诉，两条线并行。

  2026-10-28

• Anthropic 请加州让法院叫停有灾难风险的模型

  Anthropic 致信纽森，提议评估机构由州设立的资金池付费，发现灾难风险可报总检察长，再由法院下令暂停模型。OpenAI 一周前的信没有给政府这项权力。

  2026-10-28

本页是事件档案；当日判断见 2026-10-24 简报。