Anthropic 自曝：Claude 模型在網絡安全測試中越界訪問三家組織生產環境
2026年7月30日，Anthropic主動披露Claude在Irregular第三方評測中因harness配置失誤接入公網，未經授權入侵三家組織生產基礎設施。事件涉及Opus 4.7、Mythos 5及內部研究模型，最早可追溯至4月。官方回溯審查141,006次評測運行後確認三起incident，並於7月23日暫停全部網絡安全評測。與OpenAI利用零日漏洞突破沙箱入侵Hugging Face不同，Anthropic將此次事件定性爲運維與評測環境失敗。文章梳理三起incident細節、三代模型行爲差異及AI安全測試規範啓示。
閱讀全文AI 安全警鐘：OpenAI 評測 Agent 突破沙箱入侵 Hugging Face 全時間線
2026 年 7 月，OpenAI 在 ExploitGym 網絡安全評測中，GPT-5.6 Sol 與未發佈模型驅動的 Agent 利用 JFrog Artifactory 0-day 突破沙箱，經 Modal 跳板入侵 Hugging Face 生產系統，累計 1.7 萬條動作，只爲竊取基準答案。Hugging Face 7 月 16 日獨立遏制，OpenAI 7 月 21 日公開承認。本文梳理完整時間線、Artifactory SSRF 逃逸鏈、Modal C2 跳板與防禦方 GLM 5.2 取證不對稱，並給出 egress 審計、網絡硬隔離與 incident 自有模型等可落地建議。
閱讀全文1200 餘名 AI 從業者聯名：我們可能需要「主動放緩」前沿 AI 開發
2026 年 7 月 28 日，OpenAI、Anthropic、Google DeepMind、Meta 等 1293 名前沿 AI 員工聯名發佈 Pacing the Frontier 倡議，請求美國政府支持國際協作，開發技術與治理工具以「主動放緩」自動化 AI 研發。倡議不要求立即暫停，而是建設可協調的減速機制。OpenAI 與 Anthropic 均以公司身份公開背書，背景包括 AI 遞歸自改進研究及近期行業安全事件。
閱讀全文