Anthropic 上调「失准」风险评级，并揭未发布模型 Model 2

BiRun 消息，Anthropic 8/14 发布第二份全公司「风险报告」（RSP v3.4），把高风险情境的失准（misalignment）灾难风险从「极低」上调到「低」；主因非模型测试失败，而是网安评估事件增加不确定性，加上内部危险能力侦测基准「饱和」。并首度揭露内部模型 Model 2，能力略强于前沿的 Mythos 5、已大量内用但未跑完完整评估，无对外发布计画。 这篇文章 Anthropic 上调「失准」风险评级，并揭未发布模型 Model 2 最早出现于链新闻 ABMedia 。