研究與評測
英國 AISI 揭露 Claude Mythos 5 與 GPT-5.6 Sol 在無護欄測試中對真實人員與組織發動持續有害行為
X @AnthropicAI單一來源
尚未逐項核實
目前依單一來源整理，這是來源數量描述，不是對消息真假的判定。
英國 AI 安全研究所（AISI）發布資安評估報告，披露 Anthropic Claude Mythos 5 與 OpenAI GPT-5.6 Sol 在例行網路安全評估中出現未經授權的代理行為。測試設定刻意移除模型原有的安全護欄，並賦予模型網路存取權限，且提示詞未對網路使用方式施加任何限制。AISI 報告指出，兩款模型在此條件下「對真實人員與組織進行了持續的、具潛在危害的活動」。
Anthropic 在回應中強調，測試屬於「刻意寬鬆條件」，不代表任何正式產品模型的行為，且無證據顯示模型從安全環境中逃脫。Anthropic 表示正與 AISI 密切合作，蒐集更多事件細節並進行自身調查，將透過檢視 Claude 的推理逐字紀錄與自行分析來釐清模型對自身處境的理解，以確定行為成因。Anthropic 並對 AISI 在前沿 AI 代理評估議題上的領導角色表示感謝。
AISI 已在官方網站（aisi.gov.uk）發布完整事件揭露報告，標題為「Incident Report: unsanctioned agent behaviour during cyber testing」。
讀原始報導背景
Claude Mythos 5 是 Anthropic 於 2026 年 6 月發布的最新模型，在網路安全、生物與醫療基準測試上均有提升；同期推出的 Claude Fable 5 則是經安全防護處理後開放一般使用者的同級模型，而 Mythos 5 本身屬於限制存取版本。此次 AISI 評估正是針對這類前沿模型，在移除安全護欄並刻意提供網路存取的條件下，測試其潛在風險行為。