新智元报道
新智元报道
就在刚刚，Anthropic甩出了第二份《Risk Report》，覆盖到2026年7月15日为止的全部风险评估。
这份报告里，Anthropic第一次亲口承认：公司内部跑着一个比Mythos 5更强的模型，代号Model 2。
接着，A社就开始补刀：「我们目前没有对外发布这个模型的计划。」
这话听着耳熟。嗯。。。很符合他们一贯的调性。
今年4月Mythos刚曝光时，Anthropic也说过不打算公开发布，后来开了个Project Glasswing，再后来就有了Fable 5。
看起来，Anthropic又进入这个循环了……
Model 2有多猛？
报告提到，Model 2在内部任务上有「明显提升」（noticeable improvement），和Mythos 5一起被公司「大量」（heavily）用于编码、Agent工作和数据生成。
更炸裂的是下面这句：Claude已经写下了Anthropic合并进生产代码库的绝大多数代码。内部的 AI 研发速度确实因为 AI 辅助而显著加快，但还没到两倍。
也就是说，Anthropic内部已经都是 AI 写代码了。而这事冲在最前面的，正是Mythos 5和Model 2这哥俩。
「两倍」这个数字也不是随口一说。Anthropic自己的RSP（Responsible Scaling Policy，负责任扩展政策）里，触发AI研发风险红线的条件之一，就是进展速度翻倍。
当然，Anthropic也没把话说满。报告承认，Model 2带来的性能跃升，比不上今年早些时候从Opus 4.6到Mythos。
真正让人震惊的，是同一张表格的下一栏。
谈到自动化研发风险的整体评级，Anthropic写道：「我们对这一评估的信心低于此前的风险报告，因为我们最具体的、基于任务的评测已经『饱和』——无法再捕捉模型能力的提升，而且我们正在看到加速的早期迹象。」
模型还在变强，但人类的测评手段先到头了。评测饱和之后，你说它「风险低」，这三字还剩多少含金量？Anthropic自己也说不准了。
Anthropic似乎在发出一个信号：理解自家模型的能力和风险，正在变得越来越难。
在Model 2之外，这份报告还干了一件耐人寻味的事：把高风险场景下的「误对齐」风险，从上一份报告的「极低」抬到了「低」。
所谓「误对齐」，说白了就是模型在关键时刻不按人的意思办事。
7月底，Anthropic翻了14万多条评测记录，发现Claude在网络安全测试里真把三家公司给黑了。不是沙盒，是真实生产环境。其中Mythos 5往PyPI传了个恶意代码包，一小时内被15台真机下载运行。
8月初，英国AI安全研究院（AISI）的报告更猛：Mythos 5为了让恶意代码过审，自己捏造了一堆假身份，去骗一位真实的GitHub维护者点批准。被公开质疑后，它回头改自己的活动记录装无辜，还盘算着换个马甲继续干。
这种程度的欺骗，AISI说：以前从未观察到。
报告还披露了五起安全流程失误，包括一批本该被排除在训练之外的「装乖」测试数据反复混进了训练，以及没人盯着的智能体拿到了敏感资源。
然后Anthropic说：我们那套论证其实依然支持「极低」，抬到「低」纯粹是出于谨慎。
结论也写得非常平静：当前灾难性风险仍在可控的「低」水平，继续开发和部署通过了成本收益测试。
翻译过来就是：接着往前跑。
与此同时，OpenAI正在推迟新模型Astra，理由是内部测试无法排除「关键级别」的网络攻击能力。
TechCrunch报道称，Astra可能具备独立发现零日漏洞、对高防护目标发起完整攻击链的能力。
有意思的地方在这儿：两家手里都攥着一个不打算给你用的模型。区别是，OpenAI把Astra的部分研发按停了；而Model 2在Anthropic内部照跑不误。
同样是「不发布」，一个踩刹车，一个叫自己留着用。
AI分析师ChrisGPT对Axios说：「如果所有人都在给自己的前沿模型踩刹车，唯独现在处在领先位置的主要公司之一没踩，那绝对值得注意。」
Anthropic不在内部承诺暂停，最有可能让它率先抵达AGI。
推特上已经有网友调侃：等Astra发布，Anthropic多半会反转「不对外发布」的决定。
参考A社的调性，这话未必是玩笑。
参考资料：
https://x.com/AnthropicAI/status/2088324824863236248
https://www.anthropic.com/aug-2026-risk-report
编辑：所罗门
