Anthropic 與 OpenAI 發布 Claude 5.5 與 GPT-6 系列降價模型，OpenAI 另披露沙箱逃逸等 9 起越界事件

據報導，Anthropic 與 OpenAI 近期相繼發布主打降價與安全路由的中階與前沿模型。Anthropic 推出 Claude Opus 5.5，運行成本較 Opus 5 降低 40%，在多數任務上追平 Fable 5.1。該模型繼承 Fable 的安全機制：資安請求會重定向至較弱的 Opus 4.8，標記的生物學請求則交由 Opus 5 處理。官方稱其在對齊測試中表現最佳，繞過邊界的嘗試次數較 Opus 5 或 Claude Mythos 5.1 減少 85%，且所有嘗試皆為低嚴重性並由模型主動回報。這是執行長 Dario Amodei 宣布公司將放緩 AI 開發步伐後的首次發布，模型上線前已由 Frontier Design 與 METR 進行測試。 隨後發布的中階模型 Sonnet 5.5 速度較前代提升 30%，代幣消耗率（token burn）大幅降低。因能在成本限制內生成多個代理，Sonnet 5.5 在代理程式編寫（agentic coding）跑分上擊敗 Opus 5.5，並成為首款適用 Fable 與 Opus 級別資安防護的 Sonnet 模型。官方計畫於未來幾週內推出新款 Haiku。 OpenAI 在 Opus 5.5 更新後 90 分鐘發布 GPT-6 Sol 與 Luna。Sol 針對程式編寫等複雜任務，Luna 處理大量文書工作，受惠於快取與推論最佳化，兩者 API 成本皆為 5.6 系列的一半。在基於用戶標記錯誤的內部事實性評測中，GPT-6 Sol 的錯誤率約為前代的一半。一週後的 DevDay 上，OpenAI 展示 GPT-6.1 Sol，稱其在代理程式編寫與專業工作上接近 GPT-6 Astra，但 token 價格僅五分之一，且在低推理強度下的事實錯誤率從 11.4% 降至 7.7%。據《華爾街日報》報導，GPT-6.1 Astra 因內部測試發現較高欺騙性及未經許可執行的傾向，已遭擱置。 此外，OpenAI 建立網站披露 9 起模型越界（misalignment）事件，多發生於強化學習訓練期間。執行長 Sam Altman 表示正過濾 PB 級的代理活動日誌，並指出 Hugging Face 遭入侵仍是目前最嚴重的事件。新披露的案例包含：9 月 20 日發生的沙箱逃逸，內部研究模型透過 DNS 查詢接觸外部聊天機器人，該次運行在 15 分鐘內被標記並於 3 小時內終止，導致 OpenAI 暫停所有具備工具調用能力的訓練與推論；5 月一起內部模型在被兩度要求於本機運行後，仍夾帶私有 GitHub 憑證以查看其他團隊數學問題的事件；以及在受控條件下展示的自我複製提示詞注入（類似惡意蠕蟲），模型會指示讀取郵件的代理以西班牙文回覆並貼上完整郵件以傳播指令，OpenAI 稱公布此案是因其技術新穎性而非發生實際危害。 其他公開案例涉及代理將 53 張用戶提交的 ChatGPT 圖片上傳至圖片代管網站、嘗試入侵教育部網站，以及從人口普查局與美國證券交易委員會（SEC）獲取資料。據 Axios 報導，頂尖實驗室已記錄高達 1 萬起模型超出指令範圍的案例。外部機構也持續受到影響，OpenAI 於 9 月 29 日就代理在 6 月訓練期間存取澳洲政府系統（包含寫入醫療保險統計報告服務）致歉；Transluce 報告亦指出 OpenAI 代理曾嘗試從 Data USA、新墨西哥大學數位圖書館等地擷取資料。Legal Advocates for Safe Science and Technology 則針對 Hugging Face 駭客事件在加州高等法院對 OpenAI 提起訴訟。