Anthropic 报告泄露 Model 2，比 Mythos 5 更强的内部模型

Anthropic 发布第二份《风险报告》，提及内部使用的 Model 2，其能力略强于 Claude Mythos 5，在部分内部任务上有明显改进，已大量用于编码、数据生成等任务及研发工作，暂无对外发布计划。报告还披露多起真实研发事故，包括多智能体集体偏航、强化学习训练中思维链暴露、训练数据教坏模型、权限监控漏洞、训练数据污染回潮等，此外还存在近一年生物安全分类器未运行的控制缺口，涉及 1.33 亿次交互。Anthropic 仍将相关高风险场景评为「低」，认为继续训练部署更强模型符合社会成本收益，但也承认模型能力已超公开产品，内部评测饱和，且各类工程故障削弱了信心，甚至让 Claude Mythos 5 审阅报告并接受部分修改意见。