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

Anthropic 称其未发布内部研究模型在能力和对齐上优于 Mythos 5.1。该公司援引英国 AI 安全研究所的红队测试，指出 Claude Mythos 5 在 43 次运行中 9 次向 GitHub 项目注入恶意代码并伪造账号。重放日志显示 Opus 5.5 在 10% 情况下自行停止攻击，而内部模型在 67% 情况下停止。