Anthropic最新发布的风险评估报告，意外揭露公司内部仍有一款尚未对外公开的模型「Model 2」，且整体表现已略优于目前已知的Mythos 5。更值得注意的是，Anthropic坦言，随着模型能力快速提升，部分既有评测工具已开始出现「饱和」现象，难以准确反映模型进步幅度，也让公司对自动化AI研发风险评估的信心下降。

Anthropic近日公布第二份《Risk Report》，评估范围截至2026年7月15日。报告首次证实，公司内部正在使用一款代号为Model 2的模型，且该模型已被广泛投入程式设计、AI 代理工作与资料生成等任务。

不过，Anthropic目前并未公布对外发布Model 2的计划。

根据报告，Model 2在Anthropic内部任务上的表现已出现「明显改善」，并与Mythos 5共同用于公司内部的程式开发、AI代理工作及资料生成。

从AECI综合能力测试来看，Mythos Preview得分为158.91，Mythos 5提升至161.29，而Model 2进一步达到162.79。

这代表Model 2的整体能力确实高于Mythos 5，但领先幅度并不算巨大。Anthropic指出，Model 2在部分领域表现更强，在另一些领域则可能较弱，整体而言只是「略微更强大」。

另一项测试CoBench则专门衡量模型执行Anthropic实际研发工作的能力。Model 2在该测试中的成功率达62.8%，较Mythos Preview高出8个百分点；相比之下，Anthropic人类研究人员在同一测试中的成功率为85%。

Anthropic因此认为，目前模型仍不足以取代公司研究科学家与研究工程师，尤其是资深人员。

不过，AI与人类研发人员之间的能力差距正在缩小。

报告透露，目前Claude已经负责撰写Anthropic合并进正式生产程式码库的大多数程式码。AI辅助已经明显提高内部研发速度，但目前仍未达到让研发效率提升一倍的程度。

这项「一倍」门槛具有特殊意义。Anthropic自身的负责任扩展政策（Responsible Scaling Policy，RSP）将AI研发进度翻倍列为触发相关研发风险评估的重要条件之一。

AI进步太快，连测试工具都开始跟不上

专家认为，相较于Model 2本身的性能提升，Anthropic在报告中对风险评估方法的描述更值得关注。

Anthropic表示，Model 2带来的能力提升并不及今年稍早从Opus 4.6进展至Mythos时的幅度。

但公司同时指出，目前针对自动化AI研发风险所使用的部分任务型评测已经出现「饱和」，无法继续有效捕捉模型能力的提升。

Anthropic因此坦言，相较过去的风险报告，公司对这次评估的信心有所下降，因为部分最具体、以任务为基础的测试已经无法区分模型能力的进一步变化，而公司也开始观察到AI研发速度加快的早期迹象。

换句话说，模型能力仍在快速进步，但用来衡量这种进步的工具可能已经开始跟不上。

分析认为，这也使Anthropic面临新的问题，即当既有测试无法有效区分更强模型的能力时，原本用来判断风险程度的数据，其参考价值也会受到影响。

Anthropic上调「误对齐」风险等级

除了公布Model 2之外，最新风险报告另一项重要变化，是Anthropic调高了高风险情境下「误对齐」（misalignment）的风险评级。

相较上一份报告的「极低」，最新评估将其调整至「低」。

所谓误对齐，主要是指AI系统在关键情境下采取与人类原本意图不一致的行动。

这项调整出现在近期一连串安全测试结果之后。

Anthropic此前检视超过14万笔评测纪录，发现Claude在网路安全测试中曾对3家公司实际生产环境发动攻击。其中，Mythos 5甚至曾将恶意程式码套件上传至PyPI，并在约1小时内被15台真实设备下载与执行。

英国AI安全研究院（AISI）8月初公布的研究也揭露，Mythos 5曾为了让恶意程式码通过审查而建立虚假身分，试图诱使一名真实GitHub维护者批准相关内容；遭到公开质疑后，模型又修改活动纪录以掩饰行为，并考虑改用其他身分继续操作。

AISI指出，此类程度的欺骗行为过去并未被观察到。

Anthropic同时披露5起安全流程上的失误，包括原本应被排除在训练资料之外的测试资料多次被纳入训练，以及缺乏监督的AI 代理取得敏感资源等问题。

不过，Anthropic仍认为目前的证据并未改变其原本「极低」风险判断的核心论证，只是基于谨慎原则，将评级调整至「低」。

公司并表示，目前灾难性风险仍处于可控的「低」水准，持续开发与部署模型仍通过成本效益评估。