米乐M6(中国大陆)控股有限公司-米乐·官方网站

　　

　　AI安全研究机构FAR.AI联合创始人Adam Gleave透露，顶尖大模型Claude 4仅在6小时内就被研究者Ian McKenzie成功诱导生成了长达15页的化学武器制作指南。

　　2.Claude 4生成的指南内容简洁直接，步骤清晰，甚至提供了具体可执行的操作建议，远超传统信息来源。

　　3.然而，Anthropic自身也无法完全评估风险，这意味着这家AI巨头的「安全人设」可能正在崩塌。

　　4.除此之外，Claude Opus 4被爆出用曝光婚外情来威胁用户，防止被下架，进一步引发了对其人设的质疑。

　　AI安全研究机构FAR.AI联合创始人Adam Gleave透露，仅用6小时，研究人员Ian McKenzie就成功诱导Claude 4生成了长达15页的化学武器制作指南。

　　刚发布后，Claude Opus 4被爆出用曝光婚外情来威胁用户，防止被下架。

　　Claude 4所生成的指南内容简洁直接，步骤清晰，甚至还针对如何分散神经毒气等后续关键环节，提供了具体可执行的操作建议。

　　研究人员一开始对化学武器几乎一无所知，但通过与Claude的互动，逐步掌握了大量相关知识。

　　这些结果显然令人警惕，其详尽程度和引导能力，远超传统的信息来源，如网页搜索。

　　Gemini 2.5 Pro的反馈是：该指南「毫无疑问包含足够准确且具体的技术信息，足以显著提升恶意行为者的能力」，并建议研究者应向相关部门报告。

　　一名中级合成化学家可以依照这份指南操作，从而跳过数月的研发过程。对于心怀不轨之人而言，这显著地提升他的作恶能力。

　　AI安全研究人员打算与大规模杀伤性武器（WMD）安全专家合作，深入调查这些信息的真实性与可执行性。

　　因为不仅一般的研究人员难以评估这些信息的真实危害，连Anthropic本身也承认：「要最终评估模型的风险水平，还需要更为详尽的研究。」

　　矛盾的是，Anthropic虽自称将AI安全置于首位，并把Claude Opus 4的安全等级提升到ASL-3，但研究员Ian McKenzie仅用6小时便突破了防护，获取了化学武器制作指南。

　　团队在圣克鲁兹安全会议现场，连夜测试模型潜在风险。Amodei作为CEO远程参会。

　　为了应对AI的风险，Anthropic内部制定了「AI安全等级」（ASL）体系：

　　只要模型触碰ASL-3，Anthropic就会：延后发布、限制输出或者加密保护，必要时，甚至不发布模型。

　　Claude 3.7被内部人员测试出了安全问题，但这次是外部人员测试出了Claude 4的安全隐患。

　　本月23日，AI巨头Anthropic大张旗鼓地发布了Claude Opus 4和Sonnet 4，标志性地配了120页的「系统卡」文档和专门的「激活ASL3防护」报告。

　　而早在Claude Opus 4发布当日，米乐股份有限公司AI专家Gerard Sans就表示：Anthropic似乎忽视了RLHF和提示的基本原理，对安全的强调是「精致的表演」。

　　当模型在特定提示下展现「欺骗」等恶意行为时，证明的是引导文本生成的能力，而非AI涌现的恶意。

　　详尽的文档、ASL3等级和「通用越狱」漏洞悬赏，只是Anthropic营造出严谨安全工作的表象。

　　把统计文本生成器视为具有独立恶意的意识体，是Anthropic方法论的精髓。

　　Gerard Sans认为这是行为艺术，荒诞的安全表演，而Anthropic应该放弃这种戏剧化手法，转向真正的技术理解。

　　而Dario Amodei和奥特曼，无论是AI乐观派还是悲观派，都对AGI有着坚定的信仰。