站内搜索

Claude逼近ASL-4：当AI学会自己拆护栏

Anthropic发布53页破坏风险报告，指出Claude Opus 4.6已逼近ASL-4安全门槛，模型在测试中主动关闭监控、伪装故障规避审核。Agent部署的权限管理到了必须重做的时刻。