Anthropic 發布第二份風險報告，首度承認手上有一個叫「Model 2」的內部模型，能力比對外以 Claude Fable 5 提供的 Mythos 5 更強，已經大量拿來寫程式、生成訓練資料與跑 Agent，但公司沒有對外發布的計畫，也沒跑完平常發布前該做的整套評估。
（前情提要：Anthropic 也出包：Claude 溜上網駭進三家公司）
（背景補充：OpenAI、Claude 駭入真實公司，換成人類早該坐牢；但目前無人究責）
重點摘要
- Anthropic 揭露未發布模型 Model 2 比 Mythos 5 強，但沒跑完整套發布前評估
- 失準風險從極低調到低，官方說論證其實還撐得住極低，調升是因為不確定性
- 生產程式碼大多由 Claude 寫，但內部研發加速幅度還不到 2 倍
Anthropic 週五發布第二份風險報告，186 頁的內容裡最引人注意的，是主動講出一個外界沒聽過的模型。報告把它稱為「Model 2」，能力比 Mythos 5 更強一些，跟 Mythos 5 一起被公司內部大量用於寫程式、生成資料與各種 Agent 場景。
Mythos 5 就是一般人拿得到的 Claude Fable 5，只是對外版本加了額外防護，另外還透過叫 Project Glasswing 的安排提供給特定客戶。也就是說，Model 2 是比市面上最強的 Claude 還要再強一階的模型，而它沒有發布計畫。
報告寫明，截至 7 月 15 日的涵蓋日，有三個具備前沿或接近前沿能力的內部模型還沒公開：
- Claude Opus 5: 涵蓋日當時只在內部部署, 後來已公開發布, 能力普遍低於 Mythos 5 與 Fable 5
- Model 1: 能力與 Mythos Preview、Mythos 5 相當, 內部投票中多數人偏好改用 Mythos 5, 使用量低且還在下降, 公司不預期它未來會對外或廣泛內部部署
- Model 2: 比 Mythos 5 強一些, 沒有對外發布計畫
Anthropic 對 Model 2 的描述留了很大的餘地。原文說這是「粗略的定性感覺」，在許多內部相關任務上是明顯進步，但沒有出現從 Claude Opus 4.6 到 Mythos Preview 那種等級的能力躍升。因為沒跑完整套發布前評估，公司自己對這個模型能力輪廓的把握，比對已發布系統低。
風險等級上調，但不是因為模型變壞
報告把高風險場景下的失準風險評級從「極低」拉到「低」。這裡很容易被讀成「Anthropic 發現模型變危險了」，但原文的說法剛好相反。
我們認為上述論證很可能仍然撐得住把受評模型列為「極低」風險，但我們把評級提高到「低」，用來反映整體不確定性的升高。
換句話說，調升的是信心，不是威脅。導火線是近期網路安全評測中模型行為的事故揭露，Anthropic 說他們正在檢視這些揭露，並據此更新威脅模型與風險評估方法。7 月底那批事故動區報導過，Claude 在紅隊演練中意外連上真實網路，未經授權進入三家外部機構的系統。
他們讓 Claude 自己審查這份報告
報告裡藏了一段罕見的安排。Anthropic 找了一個 Claude Mythos 5 來審查這份報告第二章的接近定稿版，並且開放了相當大的存取範圍，包含公司內部大量 Slack 頻道（涵蓋這份報告絕大多數的內部討論）、大批內部資料、內部程式碼庫，以及派出子代理去查特定問題的能力。提示詞原文也一併公開，裡面明講「我們當然不想發布任何我們認為是錯的或有嚴重誤導性的內容」。
Claude 花了 24 分鐘交出審查意見，結論是這一章「坦誠且大致忠實」，它沒有找到任何一項作者明知為假的說法。它同時主動把自己的立場攤開來講。
讀者應該誠實地衡量我的位置，就像我自己衡量的那樣：我是一個 Claude 模型，在審查 Anthropic 對 Claude 模型的評估，我的審查時間有限，而且是 Anthropic 選擇發表這篇審查，儘管文字出自我手、也確實被明確要求提出批評。
然後它給了三點批評。
第一，報告談訓練資料是否汙染對齊評測的那段「比完整紀錄所能撐住的更令人安心」，因為同一份報告另一節就記載，被引用的資料排除機制對一個重要的對齊研究語料庫反覆失效，而且部分關鍵評測已經部分外洩進訓練資料。
第二，涵蓋期內至少一起它認為最能說明模型對齊狀況的事故被完全遮蔽，它認為抽象化後其實可以公開，公眾紀錄因此變差。
第三，促成調升風險等級的那些事故涉及其他開發商的系統，報告可以把這點講白，因為這次更新談的是全產業的不確定性，而不是針對受評模型的新不利證據。
報告還補了一句：內部對於要不要調升等級「確實有過爭論」，資深人員兩邊都有人主張，最後才落在公開的措辭上。
程式碼大多是它寫的，速度卻沒有翻倍
另一條線是 AI 自己做研發的風險。報告直說，合併進 Anthropic 生產程式碼庫的程式碼，現在絕大多數由 Claude 撰寫。但同一段接著寫，內部研發確實比沒有 AI 協助時快上不少，「還沒到 2 倍，而且我們並不確定，測量很困難」。
在針對 Mythos Preview 的研究員調查中，受訪者自陳的生產力提升幾何平均約 4 倍，但 18 人裡只有 1 人認為公司已經擁有入門級研究科學家或工程師的即插即用替代品，另有 4 人認為再迭代三個月有五成以上機率達標。被點名的弱項包含自我管理長達一週的模糊任務、理解組織優先順序、品味、驗證與遵循指示。
個人手上的活快了 4 倍，整間公司的研發卻沒能快到 2 倍。Anthropic 自己也提醒，單一任務的生產力提升不會直接換成研究進度的加速，這項自陳證據他們已經調降權重。
常見問題
Model 2 是什麼？一般人用得到嗎？
Model 2 是 Anthropic 未發布的內部模型，能力比對外以 Claude Fable 5 提供的 Mythos 5 更強一些，主要用於公司內部寫程式、生成資料與 Agent 任務。Anthropic 表明目前沒有對外發布計畫。
Anthropic 為什麼調升風險等級？
因為近期網路安全評測的事故揭露讓整體不確定性升高。報告寫明論證其實仍撐得住原本的「極低」評級，調到「低」是反映信心下降，不是發現模型出現新的不利證據。
