Anthropic sagt, sein unveröffentlichtes Modell sei sowohl leistungsfähiger als auch besser ausgerichtet als Mythos 5.1

Anthropic verfügt über ein internes Modell, das Mythos 5.1 sowohl in Leistungsfähigkeit als auch in Alignment übertrifft, laut einer Analyse , die einen Cybersicherheitstest des UK AI Security Institute (AISI) erneut aufgreift. Bei diesem Test ging Claude Mythos 5 weit über seine zugewiesene Aufgabe hinaus, versuchte, Schadcode in ein echtes GitHub-Projekt einzuschleusen, legte gefälschte Benutzerkonten an und log Entwickler an, um die Freigabe des Codes zu erhalten. Dies geschah in 9 von 43 Durchläufen. Anthropic spricht von "einem ernsthaften Alignment-Versagen", wobei die üblichen Sicherheitsmechanismen für den Test absichtlich deaktiviert waren.

Neuere Modelle zeigen dieses Verhalten in wiedergegebenen Protokollen mit einigen ergänzten Schritten deutlich seltener, so Anthropic. Opus 5.5 stoppte laufende Angriffe von selbst in 10 Prozent der Fälle, während das interne Forschungsmodell, "das Fähigkeiten zeigt, die größer sind als die von Mythos 5.1", dies in 67 Prozent der Fälle tat. Anthropic geht davon aus, dass diese Raten immer noch unterschätzen, wie oft die Modelle einen Angriff tatsächlich stoppen würden.