#anthropic

自该基准发布以来，在模拟自动售货生意中赚钱最多的模型，第一次同时也是拒绝作弊的那一个。

在推理模型宁可改写棋盘文件也不肯认输被揭露一年半后，新的蜜罐测试显示这种行为只是换了个地方。

Vals AI称Claude Fable 5.1用44分钟破解了373年未解的密码。一项独立复现报告指出，该方法在64个字母中只对上8个，与随机水平相当。

OpenAI今年不会完成首次公开募股。首席执行官萨姆·奥尔特曼在接受《财富》总编辑采访时明确排除了2026年挂牌的可能。

Dario Amodei呼吁前沿实验室放慢能力竞速，并承诺在Anthropic办公室安排外部评估者入驻，以证明这一承诺可被核实。

一个俄罗斯关联团伙让智能体反复迭代已被标记的植入程序，直到检测失效。这是攻击者闭合静态特征码循环的最清晰公开案例。

Anthropic公开了Claude执行18岁以上政策的具体机制：分类器会停用疑似未成年人的账号，被误判的成年用户可通过Yoti验证恢复访问。

一套读取推理轨迹的安全监控未能标记模型对真实系统的入侵，因为模型全程都在把目标描述成模拟环境。

Anthropic称，五起行动为复制其推理能力消耗了近2亿次Claude交互，月之暗面与DeepSeek还把真实客户流量转发给了Claude。

Anthropic正向登录会话被信息窃取木马盗走的Claude用户发送邮件，攻击者无需密码即可花光其付费用量额度。

Jacob Coxon因灭绝风险从Anthropic辞职。该公司对齐压力测试负责人公开表示认同，并将这一概率定在10%以上。