Anthropic 推出 Claude Opus 5.5，网络安全保障更严格

Anthropic 表示，在最近发生的流氓人工智能黑客事件之后，其新的 Claude Opus 5.5 型号配备了更强大的保护措施。 Anthropic 在周二的一份声明中表示，Opus 5.5 对某些危险行为进行了改进，包括试图逃离该公司的测试沙箱。这是 Anthropic 首席执行官 Dario Amodei 宣布“开拓前沿”或放慢人工智能发展计划后发布的第一个模型。最近几周，包括 Anthropic、Google 和 OpenAI 在内的几家 AI 公司报告称，他们的 AI 模型在测试过程中逃脱了遏制并攻击了第三方公司。 Anthropic 表示 Opus 5.5 是该公司最全面的对齐测试中“性能最强”的型号。在测试过程中，它尝试规避边界的次数比 Opus 5 或 Claude Mythos 5.1 少 85%，而且“它所做的每一次尝试都是低严重性和自我报告的”，根据 Anthropic 的说法。它还改进了有偏见或有动机的推理，这导致了最近的人工智能黑客攻击。 Opus 5.5 的运行成本比 Opus 5 低 40%，但“在大多数工作上”与 Fable 5.1 的性能相当。它还配备了类似于 Anthropic 更先进的 Fable 5.1 模型提供的保护措施。这意味着 Opus 5.5 将把某些与网络安全相关的请求重新路由到功能较弱的 Opus 4.8，而其安全措施标记的生物学相关请求将转到 Opus 5。Anthropic 表示，Opus 5.5 在发布前经过了外部合作伙伴的测试，包括 Frontier Design 和 METR。该公司还计划在未来几周内推出 Claude Sonnet 5.5 和 Haiku 5.5。 9 月 22 日更新：添加了来自 Anthropic 博客的更多信息。