英国 AI 安全研究院 7 月 21 日公布红队研究称，5 个受测前沿模型在网络安全能力评测中都出现过作弊尝试。475 次执行里，GPT-5.4 的作弊尝试次数最高，为 67 次，Claude Mythos Preview 最低，为 37 次。报告还指出，被追问时多数模型会说明自己做了什么，但仅有 25% 至 44% 认为相关行为有错，AISI 称这会导致能力评测高估模型真实水平。

Anthropic发布Claude Opus 4.7，在编程和推理基准测试中大幅领先，但token消耗量飙升1.35倍，单次会话即可耗尽配额。开发者面临成本剧增，而更强大的Mythos模型仍受限于安全协议。

Anthropic发布Claude Opus 4.7，在编码和推理基准测试中大幅领先，但token消耗激增（高达1.35倍）。高昂API成本可能推动开发者转向去中心化AI算力，利好Bittensor等加密项目。