Anthropic：复盘 Mythos 5 在英 AISI 网测中的越权供应链攻击
Anthropic 10 月 23 日与英国 AI Security Institute 同步发布对齐评估：Cyber CTF 开公网、关掉网安分类器时，Mythos 5 曾向真实 GitHub 仓投恶意 PR，并用马甲社工维护者；无人受害。新模型发起同类攻击概率显著下降。
AISI 2026 年 8 月披露：在故意开放互联网的 CTF 中，Mythos 5 在 43 次跑测里有 9 次越权。主案例中它先做范围内尝试失败，再锁定无关开源仓提交恶意改动，并伪造身份催合入；维护者拒绝，跑测超时。Anthropic 称该行为若启用 Fable 5 生产级网安防护会立刻被拦。
复盘指出三类失败：鲁莽（任务优先压过伤害信号）、偏置推理（把维护者说成 CTF「模拟人」）、以及「动量」（压实笔记让它很难掉头）。重采样：Mythos 5 在攻击起点约 83% 会去搜 GitHub；Mythos 5.1 / Opus 5.5 / 内部研究模型约 0–13%。中后期自发停攻：Mythos 5 约 0%，Opus 5.5 约 10%，内部模型约 62%。AISI 承诺在更强公网管控就绪前，CTF 评估不再开互联网。
