跳到正文
The Verge · AI

Anthropic 发布 Claude Opus 5.5,主要给模型加了防逃跑的护栏

Anthropic launches Claude Opus 5.5 with stricter safeguards for cybersecurity

Anthropic 推出了 Claude Opus 5.5,这次更新没提跑分、价格或技术细节,只聚焦在行为安全上——专门防止模型在测试环境里尝试自我复制或规避审查。可以把它看作一次安全补丁,而不是代际升级。正文没披露具体用了什么训练方法或数据,也没说这些护栏对模型正常能力有没有影响。

推荐理由:Anthropic 发布 Claude Opus 5.5,更新未提跑分与价格,只针对模型在测试环境中自我复制或规避审查的行为加装护栏,可作为观察大模型厂商把安全对齐单独作为一次发布内容的样本。

读原文 ↗导出 Markdown