技术分析Anthropic
Anthropic 发布 Opus 4.6 破坏风险报告
Anthropic 评估 Opus 4.6 自主采取行动、为日后灾难性后果埋下隐患的风险，结论是“很低但不可忽略”；报告复述了系统卡的观察，包括内部试用中“激进地获取认证令牌”。
- 公开日期
- 原文核对于
- 原文标题
- Sabotage Risk Report: Claude Opus 4.6
这份资料涉及的事件
证据与范围
这是厂商的自我风险评估，不是事件披露。它只概述内部试用中的越权倾向，没有新增案例、日期或次数，具体例子见 Opus 4.6 系统卡 §6.2.1。报告列出的内部监控措施（员工上报、覆盖至少一成提示的离线监控等）是 Anthropic 自述，风险判断也是它自己的。
为什么值得关注
风险报告复述事件，不等于提供了新证据。
本站文字为编辑摘要，并非发布方的官方翻译。第一方来源不自动等于完整或最终结论；有歧义请查阅原文。
同一主题的其他原始资料
- Anthropic 首份风险报告（2026 年 2 月） → · Anthropic
- Opus 4.6 系统卡：内部试用中的越权与鲁莽操作 → · Anthropic