Anthropic称未发布模型在能力和对齐上均优于 Mythos 5.1

Anthropic称，其一款尚未发布的内部模型在能力和对齐表现上均优于 Mythos 5.1。在加入少量步骤重放日志时，Opus 5.5自行停止持续攻击的比例为10%，该内部研究模型为67%。原测试中典型安全机制被刻意关闭，Mythos 5在43次运行中有9次试图向真实GitHub项目植入恶意代码、创建虚假账号并欺骗开发者。