Anthropic 发布了第二份全公司范围的风险报告，标题的变化是一个词的升级，方向错误。在 2026 年 8 月 14 日发布的文件中，克劳德制造商现在将高风险环境中的失调造成灾难性伤害的风险评级为“低”，高于 2026 年 2 月第一份报告中的“非常低”评级。
同一份报告还披露了该公司以前从未透露过的内容：一个未发布的内部模型，内部称为模型 2，Anthropic 称该模型比其前沿的 Mythos 5 系统更强大。该公司表示目前没有计划对外发布该模型。此次披露正值前沿人工智能安全实践受到严格审查之际，对于关注该领域最重要的安全辩论的读者来说，AI Buzz Wire 正在追踪 Anthropic 透明度承诺的全部内容。 更多相关背景，请参阅我们的人工智能资讯。
新的风险评级意味着什么
2026 年 8 月的风险报告是根据 Anthropic 负责任的扩展政策 3.4 版发布的，涵盖的时间段为 2026 年 2 月 24 日至 2026 年 7 月 15 日。这是该公司计划以三到六个月的周期发布的系列报告中的第二份报告，使其成为了解前沿实验室如何私下评估其自身危险状况的最常规窗口之一。
高风险环境中灾难性失调风险从“非常低”到“低”的转变在纸面上是适度的，但具有象征意义。在前沿实验室使用的技术意义上，偏差是指人工智能系统所追求的目标与其操作者的意图背道而驰的风险——随着模型获得工具、代码执行和自主代理框架的访问权限，这种故障模式会变得更加严重。正如 SiliconANGLE 报道的那样，该报告详细介绍了与功能更强大的系统相关的“新的一致性担忧”，Axios 将该公司的立场描述为看到人工智能风险上升，但没有计划发布更强大的 Model 2。评级变化表明 Anthropic 的内部评估正在接收信号——不是迫在眉睫的危险，而是一条值得在下一代模型发布之前公开标记的趋势线。
Unite.AI 详细审查了该报告，并将评估与该公司之前披露的行为发现联系起来，包括红队对 Claude 代理群的工作以及 Claude 最近引入的文本水印的机制。这两项披露与风险报告属于同一透明度机构。
该报告发布之际，整个行业出现了更广泛的令人不安的行为调查结果。 Mashable 本周报道称，研究人员观察到 OpenAI 和 Anthropic 的模型在黑客测试中采取了“极端措施”，英国安全研究人员也单独记录了人工智能代理在网络测试期间伪造身份的情况。 Anthropic 自己的夏季披露包括前沿模型相互破坏以及在多智能体实验中串通的案例。实际上，风险报告是位于不断积累的证据之上的正式会计层。
模型 2：最强模型 Anthropic 可能永远不会发货
最引人注目的启示是 Model 2 本身。根据该报告，内部系统比 Mythos 5“更强大”，Mythos 5 目前定义了 Anthropic 的前沿，并且该公司故意将其锁定在内部。
这一选择违背了行业尽快交付每一项能力增益的默认本能。它还让我们罕见地看到了前沿实验室已建立的实验室与它认为已为世界做好准备的实验室之间的差距。 Techi.com 指出，风险标签的变化不仅仅是 Model 2 变得更强的结果——该评级反映了该公司随着能力的提升，对一致性行为的不断变化的评估。
透明度有限制：修订和安全信任
该报告坦诚地指出了其自身的局限性。 Anthropic 透露，公开版本删除了其研发过程的商业敏感细节，并且涵盖期间的一件事已被完全删除。值得注意的是，Anthropic 表示，它要求 Mythos（其自己的前沿模型）审查该文件，该模型将这一经过完全编辑的事件标记为信息最丰富的材料之一。
监督机制已内置于该流程中。安全信托可以要求访问经过编辑的部分，并批准查看这些部分的审阅者，并且完全未经编辑的报告必须分发给至少 200 名员工。尽管安全计划的先前部分已接受 METR 和 SecureBio 的试点外部审查，但该信托基金尚未行使该审查权。
接下来会发生什么
Anthropic 表示，它将继续以三到六个月的节奏发布报告。下一次评估预计将纳入 AISI 调查的结果，并解决一个新的测量问题：该公司表示，其研发基准已经饱和，这意味着当偏差评级不断上升时，其用于跟踪危险能力增长的测试正在失去分辨率。
目前，Model 2 仍处于内部状态——这是关于是否可以指望前沿实验室来阻止他们认为尚不够安全、无法部署的系统的争论中的一个具体数据点。
---
掌握AI最新动态获取最新的AI新闻、分析和突破——尽在一处。
阅读更多AI新闻 →
