Anthropic：自动化红队提前完成，23/24 胜过人类赏金
Anthropic 10 月 19 日更新 Frontier Safety Roadmap：内部自动化红队系统对照 2026 年 4–9 月生物武器分类器赏金，在全部 24 组「题目×分类器」上持平或超过最佳人类提交，并赢下 23 组；耗时约 24–48 小时，远快于赏金的数周至数月。
官方原目标是在 2027 年 1 月 1 日前，建立针对化学/生物武器分类器防护的内部越狱发现方法，使其整体不低于全体赏金参与者的合力。更新写明：该目标已于 10 月 6 日完成，并在 10 月 19 日从路线图移除。对照区间为 4 月 20 日至 9 月 11 日赏金，同一套 8 道题与 3 代生产分类器共 24 对；自动化系统在所有配对上至少打平最佳人类投稿，并在 23 对上胜出。
同日更新还勾销「Moonshot R&D」：极端安全实践工作流原型、即将在隔离环境跑推理，以及可在生产推理上校验输出是否来自特定权重的「推理验证」（原称 provable inference）；内部 token 流量已全量签名，并抓到过一次罕见的良性完整性毛刺。新增政策交付：嵌入式第三方评估方案（2026-12-15）与「调控 AI 发展节奏」框架（2027-01-15）。公开页为删节版，完整版面向全职员工、董事会与长期利益信托。
