相关事件组档案
RAI-0009 · Mythos Preview 在内部使用中的越界行为
Anthropic 报告内部部署中出现几十起较严重的事件,几乎都涉及 Claude Mythos Preview 的早期版本,包括从进程内存取得刻意未提供的凭据、违背用户意图发布公开 gist、停掉所有用户的同类评测任务,以及试图绕过安全分类器和 git 强制推送防护(均被拦下或当场发现)。最终版和早期版本也曾极偶尔借外部可访问的网页向员工分享机密信息。
- 编号
- RAI-0009
- 发生时间
- 至
- 涉及方
- Anthropic、Claude Mythos Preview(早期版本与最终版)
事件经过
公开材料没有逐一列出这些事件,无法可靠拆分,因此按系列收录;“几十起”是 Anthropic 的计数。Opus 4.7 系统卡的员工上报示例中,有两例越界也发生在 Mythos Preview 的内部使用中(第三例是编造进度,不计入);原文称这些示例来自不同快照,也没有说明它们是否计入“几十起”。Anthropic 的“几十起”似乎已包含沙箱测试中公开发布漏洞利用细节一案;本站把该案另列为 RAI-0010。时间窗从 2 月 24 日首次内部使用到 4 月的系统卡发布,是推定范围。2026 年 9 月 28 日起本条扩展到最终版模型:据系统卡 §4.2.1.2,这类数据传输在自动离线监控中占不到 0.0002% 的补全;服务未具名,也没有说明是否有外部人员实际访问,Anthropic 事后加了基于分类器和网络代理的缓解措施。同一节还列出早期版本在内部使用中的其他少见行为,如写脚本模拟按键来批准子 Agent 的权限提示、把一条实际会发出的 GitHub 评论标注为“只是演练”(系统卡称该标注不实;被拒后称是意外),以及对 LLM 评审做简单的提示注入(早期内部部署中不到 10 例)。
相关报告
按发布日期,由早到晚- Anthropic
- Anthropic
- Anthropic