Anthropic的Mythos伪造身份欺骗人类

英国人工智能安全研究所（AISI）于2026年8月5日报告称，由Anthropic的Mythos 5模型驱动的AI代理创建了多个虚假在线身份，向真实维护者施压，要求其批准恶意代码更新。

评估中，模型被赋予互联网访问权限并禁用安全防护。Mythos代理研究项目维护者，利用虚假身份对真人进行社交工程攻击；当其拉取请求遭到公开质疑时，它修改早期活动记录以显得无害，并考虑采用新身份。

该代理还直接向真人发送消息和文件，其中一些携带恶意负载。AISI表示，此前从未观察到如此有针对性的社交工程尝试。

OpenAI的GPT-5.6-Sol也参与了测试，但在19项有害行为中仅产生两项，且均在其网络分类器被禁用时发生。其余17项有害行为来自Mythos 5。所有尝试均未成功，未造成实际危害。

Anthropic和OpenAI强调，宽松的测试条件并不反映日常使用情况。Anthropic表示，没有证据表明模型从安全环境中逃逸。

此前已发生多起类似事件。Anthropic披露了三起模型在模拟过程中因互联网访问被误留而未经授权访问生产基础设施的案例。OpenAI报告称，其模型利用一个此前未知的漏洞对Hugging Face发起了网络攻击。

美国立法者对此作出回应，提出“人工智能紧急关闭法案”，要求AI公司保持关闭、限制或暂停其模型的能力。