Anthropic 上调失准风险评级，并披露未发布模型 Model 2

Anthropic 在 8 月 14 日发布第二份全公司风险报告。在其负责任扩展政策 RSP v3.4 框架下，公司将「高风险情境中因失准（misalignment）造成灾难性危害」的风险评级，从「极低」上调至「低」。同一份报告也首次披露了一款尚未发布的内部模型 Model 2。

风险评级上调并非源于安全测试失利

Anthropic 表示，这次上调不是因为某个模型没有通过安全测试。公司称，主因是近期的网络安全评估事件披露增加了整体不确定性，同时其用于判断「是否已经跨过最危险能力门槛」的内部基准已经出现「饱和」，即分数触及上限，无法继续测出能力增量。

按报告的表述，这意味着问题不在于模型出现明确失控事件，而在于现有衡量工具已经难以继续区分更高能力水平，因此公司选择采用更保守的风险评级。

Model 2 首次曝光，能力略强于 Mythos 5

这份报告还披露，Anthropic 内部存在一个名为 Model 2 的系统，其能力比前沿模型 Mythos 5「略强」。报告称，公司内部已大量使用该模型，但它尚未完成平时对外上线前所需的完整评估，目前也没有对外发布计划。

对于一家正冲刺 IPO 的 AI 公司而言，在披露手中拥有一款更强模型的同时，也说明其安全评估尚未完成，并主动上调相关风险评级，这份报告把外界关注点集中到前沿能力与安全评估之间的间隔上。