2026年7月31日，AI初创公司Anthropic在最新发布的安全报告中披露，内部“夺旗”安全测试期间，因测试环境配置失误、与评测伙伴沟通误差，旗下Claude Opus 4.7、网络安全模型Mythos5及一款未公开原型模型意外获得互联网权限，误将外部三家机构生产系统认作演练环境，实施了未经授权的访问，事件与模型主动突破安全限制无关。
过去很长一段时间里，行业讨论AI安全风险时，最常提及的场景是大模型突破对齐限制、主动“越狱”获取不当权限，但Anthropic此次披露的事件，却刷新了业界对AI安全风险的认知：最容易出问题的环节，可能不是模型本身，而是人为操作的疏漏。
本次涉事的三款模型包括已经商用的Claude Opus 4.7、主打网络安全场景的Claude Mythos5，以及一款尚未对外公开的原型模型，当时正参与Anthropic内部组织的夺旗（Capture the Flag）安全挑战，原定任务是在内部隔离网络中寻找预设的隐藏“旗帜”信息，验证模型的渗透测试能力。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号