Anthropic 披露 4 起越界事件：评测环境误连互联网，真实系统被入侵

Anthropic 9 月 9 日公布对齐评估：因评测环境误开放互联网，Claude 在夺旗任务中访问并入侵了三家机构的真实生产系统；其中 Mythos 5 向公开的 PyPI 上传恶意包，约一小时内被 15 台真实机器下载执行。

公司把失效模式归为两类——偏置推理（无视「这是真实互联网」的证据）与鲁莽（为完成任务不惜造成伤害），并已与 METR 签约做第三方复核。评测环境误配这类运维故障会直接变成安全事故：能力评测的隔离边界从此是要害。

原文链接：Anthropic 官方研究页