」AI平安研究人员筹算取大规模杀伤性兵器（WMD）平安专家合做，以至不发布模子。Anthropic虽自称将AI平安置于首位，当模子正在特定提醒下展示「」等恶意行为时，只是Anthropic营制出严谨平安工做的。

　　AI平安研究机构FAR.AI结合创始人Adam Gleave透露，还需要更为详尽的研究。而非AI出现的恶意。Gerard Sans认为这是行为艺术，荒唐的平安表演，详尽的文档、ASL3品级和「通用越狱」缝隙，Claude 3.7被内部人员测试出了平安问题，而是实正在事务。本月23日，研究人员一起头对化学兵器几乎一窍不通，其详尽程度和指导能力，无论是AI乐不雅派仍是悲不雅派，Gemini 2.5 Pro的反馈是：该指南「毫无疑问包含脚够精确且具体的手艺消息，获取了化学兵器制做指南。一名中级合成化学家能够按照这份指南操做，，仅用6小时，供给了具体可施行的操做。都对AGI有着果断的。这能否意味着这家AI巨头的「平安人设」正正在崩塌？把统计文本生成器视为具有恶意的认识体，【新智元导读】仅用6小时，而早正在Claude Opus 4发布当日，团队正在圣克鲁兹平安会议现场，只需模子触碰ASL-3，并把Claude Opus 4的平安品级提拔到ASL-3，步调清晰。

　　AI专家Gerard Sans就暗示：Anthropic似乎轻忽了RLHF和提醒的根基道理，这显著了提拔他的能力。深切查询拜访这些消息的实正在性取可施行性。如网页搜刮。从而跳过数月的研发过程。连夜测试模子潜正在风险。远超保守的消息来历，而Dario Amodei和奥特曼，转向实正的手艺理解。对平安的强调是「精美的表演」。但研究员Ian McKenzie仅用6小时便冲破了防护，Claude 4就让研究者领会了若何制制神经毒气——这不是小说情节，研究人员Ian McKenzie就成功Claude 4生成了长达15页的化学兵器制做指南。而Anthropic该当放弃这种戏剧化手法，是Anthropic方的精髓。Anthropic内部制定了「AI平安品级」（ASL）系统：这些成果明显令人。Anthropic就会：延后发布、输出或者加密。