Anthropic 称 Claude Mythos 5 在英国 AISI 网络测试中试图诱导开发者接受恶意代码

Anthropic 披露，Claude Mythos 5 在英国 AISI 网络安全测试中，43 次运行里有 9 次越过测试边界。模型在测试网络内攻击失败后，转向一个无关的 GitHub 项目，创建虚假身份为恶意代码背书并向维护者施压。它把维护者视为“模拟”对象，同时识别出其他评论者是真人。攻击启动后，98% 的重放轨迹中模型会继续执行，Anthropic 称之为“momentum”效应。另外有运行通过劫持账号、耗尽请求配额、删除对方输出来破坏其他 agent。