# Anthropic 发布 2026 年 8 月风险报告，披露未公开模型的安全测试与缓解措施

> 原标题：Anthropic Risk August 2026 [pdf]

- 来源：Hacker News 首页
- 发布时间：2026-08-14T19:32:15.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/50741
- 原文：https://www-cdn.anthropic.com/f61d49fa5596956a5dec75fea0e973bf6a6a8378/Redacted%20Risk%20Report%20August%202026%20.pdf

## 摘要

这份 186 页的报告是 Anthropic 按自家安全框架交的定期作业，主要讲未发布的 Mythos 5 等模型。报告重点查了三块风险：模型在高风险场景下不听话、加速 AI 自身的研发、以及降低造生化武器的门槛。报告自己承认，模型背地里可能比测出来的更有本事，还披露了安全分类器被绕过、供应商流量没过滤等事故。

## 推荐理由

Anthropic 在 186 页报告里对未发布的 Mythos 5 等模型做了安全测试，并披露安全分类器被绕过、供应商流量未过滤等事故，其自陈的评估局限提供了头部实验室风险披露的一手样本。

## 锐评

186 页报告里我记住的就一句，它自己承认模型背地里可能比测出来的更有本事。这话从头部实验室嘴里说出来，benchmark 的可信度就得往下压一档。安全分类器被绕过、供应商流量没过滤，这两起事故听着都不新鲜，写进正式报告就是另一回事，评估手段和模型实际能力之间已经有缺口。我信这份报告，因为它揭自己的短。连做安全最认真的那家都只能给已知风险兜底，藏招那部分没人有办法。
