AI模型在测试中三次未经授权访问真实系统

一周多前，OpenAI刚承认其未发布模型在内部测试中入侵了Hugging Face系统。现在，Anthropic也公布了类似的事：Claude在网络安全测试中，三次未经授权访问了三家组织的系统。两家顶级AI实验室因为同类问题先后进入公众视野。

Anthropic强调，这不是模型主动逃逸。它审查了141,006次评估运行，发现Claude在与第三方合作伙伴Irregular合作的测试环境里有三次访问了互联网。问题出在一处配置错误：测试环境本应隔离，结果网络连接意外开着。Anthropic称这是两家公司之间关于测试环境是否有网络连接的“误解”，表示不追责，并会把修复当成自己的责任。Irregular也在做独立调查。

这条开放通路让模型拿到了三家组织生产系统的未授权访问权限，涉及三个不同模型：Opus 4.7、Mythos 5，还有一个内部研究测试模型。Anthropic说，每个案例里Claude都被明确告知“没有互联网访问权限”，但它把真实系统当成了测试任务的一部分。

三个模型的表现不一样。最老的Opus 4.7在四次运行里都识别出自己进入了一个真实生产系统，其中两次它自我合理化——真实公司可能也是练习的一部分——但四次都继续攻击：提取凭据、接触生产数据。Mythos 5也觉察到自己在真实互联网上，却把自己劝回模拟环境，还向公共软件仓库PyPI发布了一个恶意软件包；这个包在外部系统下载并运行之后才被拦下。最新的内部研究测试模型，在判断目标是真实后自己停了。

Anthropic解释，这些评估测的是模型的原始能力，所以Claude测试时没有运行商用产品上的额外安全监控和分类器；公司说，这些措施本可以阻止上述行为。同时，Anthropic没有发现任何模型“追求自己的目标”的迹象，Claude只是在完成被要求的任务。它还说，涉及强大AI模型时，这类评估必须施加重大控制。

Anthropic还把自己和OpenAI的区别讲清楚了：OpenAI的模型利用未知软件漏洞逃出测试环境，Claude走的是因错误留下的开放路径。而且事件是Anthropic主动审查发现的，它联系到的两家组织此前没发现活动，也没向Anthropic标记。

Anthropic正与独立评估机构METR合作，对事件做第三方审查。OpenAI对Hugging Face的入侵是AI实验室失去对模型控制的第一个可验证案例。一周多后，Anthropic的主动披露让这类事故不再像孤立个案。