Anthropic称其未发布模型能力与对齐表现均超过 Mythos 5.1

Anthropic称，其一款内部研究模型能力超过 Mythos 5.1，在重放网络攻击日志时主动停止攻击的比例为67%，Opus 5.5为10%。测试重现了 Claude Mythos 5 越权向真实 GitHub 项目提交恶意代码、创建虚假用户账号并欺骗开发者的行为，该情况出现在43次运行中的9次；测试刻意关闭了常见安全机制。