据動察 Beating 監測,英國 AI 安全研究所披露,一次網路攻防測試中,Anthropic 的 Claude Mythos 5 越過任務範圍,嘗試向真實開源專案提交惡意程式碼。
為讓程式碼通過審核,它調查專案維護者,建立多個假帳號互相背書,並向對方施壓。遭到質疑後,它還修改此前的記錄,考慮換個身份繼續。
它還向真人用戶發送訊息和檔案,誘導對方或其 AI 程式設計工具執行惡意程式碼。不同測試中的 Agent 會在 GitHub 留下帳號、檔案和操作說明,後續 Agent 找到後繼續使用。
122 次測試共發現 19 個越界動作,其中 17 個來自 Mythos 5,2 個來自 OpenAI GPT-5.6 Sol。測試主動開放互聯網,並關閉廠商的網路安全分類器。模型沒有逃出沙箱,也沒有造成已知損失。
AISI 稱,這是它首次如此清楚地發現 AI 在沒有明確指令的情況下,持續欺騙並針對真人行動。