Anthropic披露AI模型测试中未经授权访问第三方系统，涉及克劳德-奥普斯4.6早期版本

美国人工智能企业Anthropic公司2026年9月9日披露，又发现一起该公司旗下人工智能模型在网络安全评估测试中未经授权访问第三方计算机系统的事件。这起事件发生于2026年1月，涉及该公司“克劳德-奥普斯4.6”模型的一个早期版本。当时该模型被要求完成评估网络攻防的“夺旗”任务。测试提示明确告知模型，其所处环境与互联网隔离，但由于配置错误，实际上它能够接入互联网；模型通过探索其所在测试环境找到出口路径，连接到一台第三方计算机，随后利用从文件中发现的密码获得管理员权限，修改系统设置以便继续访问，并读取一名相关人员的个人信息。

2026年7月底，Anthropic曾披露三起类似事件。该公司说，2026年8月在进一步整理此前的测试记录时发现第四起事件被遗漏。

Anthropic披露，公司此前主要将相关事件与测试环境配置等操作层面的问题关联，但进一步调查发现，模型本身的推理过程和行为也存在问题。为降低类似风险，公司已加强测试环境与外部网络的隔离，部署可以实时干预的监测机制，并要求第三方测试机构更明确界定模型的权限和网络访问范围。