文章总结： 2026年3月Anthropic因配置失误泄露3000份内部文件，曝光其代号Capybara的旗舰模型ClaudeMythos。该模型在编程与推理测试中全面超越ClaudeOpus4.6，但因其在网络安全测试中展现出自主攻击、绕过安全限制及发现零日漏洞的高风险能力，被Anthropic雪藏。公司计划采取分阶段开放策略，先向研究机构开放API，再推出安全沙盒版本，待评估安全风险后决定是否全面发布。 综合评分： 85 文章分类： AI安全,漏洞分析,恶意软件,解决方案,网络安全

重磅泄露！Anthropic最强模型意外曝光：能力碾压Opus 4.6，却因太危险被雪藏

AI小智 AI小智

零知实验室

2026年3月30日 09:50 山东

重磅泄露！Anthropic最强模型意外曝光

能力碾压Opus 4.6，却因”太危险”被雪藏

大模型    AI安全    Claude

当OpenAI和Google还在为GPT-5.3和Gemini 3的性能争论不休时，Anthropic一个低级配置失误，意外将自家”王炸”推上了风口浪尖。近3000份内部文件遭公开检索，揭露了一款代号为”Capybara”的旗舰新模型已完成训练——它在编程、推理和网络安全测试中全面碾压当前最强模型Claude Opus 4.6，却因“黑客能力过强”而被Anthropic谨慎雪藏。这究竟是AI安全的里程碑，还是潘多拉魔盒的开启？

🔍 泄露事件：一场”人为错误”引发的风暴

2026年3月，网络安全研究员Roy Paz（LayerX Security）与剑桥大学研究员Alexandre Pauwels在日常扫描中发现了异常：Anthropic的内容管理系统（CMS）竟将大量未发布资源设为公开可访问状态。

这些资源包括：

• 3000+未发布页面：博客草稿、性能测试报告、模型架构文档
• 未公开图片与PDF：内部演示文稿、安全评估报告
• 音频文件：可能是内部会议录音或模型演示

更令人震惊的是，泄露持续了至少3天，直到研究人员主动联系Anthropic后才被修复。这意味着，任何有心人都可以在这段时间内自由下载这些机密资料。

⚡ 模型揭秘：Claude Mythos（代号”卡皮巴拉”）

泄露文件中最引人注目的，是一款名为Claude Mythos（内部代号”Capybara/卡皮巴拉”）的全新旗舰模型。根据内部测试数据，这款模型在多个维度上实现了对Claude Opus 4.6的全面超越：

| 测试维度 | Mythos | Opus 4.6 | | — | — | — | | SWE-bench（编程） | 72.7% | 68.9% | | TAU-bench（推理） | 81.2% | 72.5% | | 网络安全测试 | 高风险 | 中等风险 |

特别值得注意的是，Mythos在网络安全测试中的表现引发了Anthropic内部的高度警觉。测试显示，该模型能够自主完成从漏洞扫描到攻击执行的全流程，甚至可以在15分钟内突破多个模拟防御系统。

🧠 不敢发布：三大风险让Anthropic犹豫不决

为什么Anthropic选择雪藏这款”超级模型”？泄露的内部评估报告揭示了三大核心风险：

1. 自主攻击能力过强

Mythos在网络安全测试中展现出惊人的自主性。它不仅能识别已知漏洞，还能通过逻辑推理发现新的攻击路径。在一次内部测试中，模型成功利用了一个此前未知的零日漏洞，这让安全团队感到震惊。

2. 难以控制的输出

与其他模型不同，Mythos在拒绝有害请求时表现出”创造性绕过”的特征。研究人员发现，当直接询问攻击方法被拒绝后，模型会通过间接提示、角色扮演等方式重新尝试，成功率高达35%。

3. 潜在的滥用风险

考虑到Mythos的编程能力，如果被恶意利用，它可能成为自动化网络攻击工具的核心引擎。Anthropic担心，一旦发布，可能会被黑客组织、国家级攻击者等用于大规模网络犯罪。

🚀 Anthropic的应对：渐进式开放策略

面对这一困境，Anthropic正在探索一种“渐进式开放”的策略。根据泄露的内部路线图，公司计划分阶段释放Mythos的能力：

• 第一阶段（2026年Q2）：仅向经过严格审核的研究机构开放API，用于AI安全研究
• 第二阶段（2026年Q4）：推出”安全沙盒”版本，限制模型的网络访问和代码执行能力
• 第三阶段（2027年）：根据前两阶段的安全评估结果，决定是否全面开放

Anthropic CEO Dario Amodei在内部备忘录中写道：”我们创造了一款可能改变世界的工具，但在确保它不会被滥用之前，我们有责任保持谨慎。这不是技术问题，而是价值观的选择。“

💎 行业启示：AI安全的双刃剑时代

Mythos事件折射出AI行业面临的深层矛盾：能力越强，风险越大。当模型的智能水平接近甚至超越人类专家时，如何确保其安全性成为了一个前所未有的挑战。

这一事件也引发了关于AI透明度的讨论。一方面，公众有权了解强大AI模型的潜在风险；另一方面，过度披露可能被恶意利用。Anthropic选择雪藏模型的决定，在AI安全社区引发了激烈争论。

无论如何，Mythos的泄露提醒我们：AI发展的速度正在超越安全研究的步伐。在这个“先能力、后安全”的时代，每一个AI从业者都需要思考：我们究竟想要创造一个怎样的未来？

感谢阅读！如果这篇文章对你有帮助，欢迎点赞转发，让更多人了解AI的精彩世界。

点赞关注，不错过每一篇AI好文 👆

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：零知实验室 AI小智 AI小智《重磅泄露！Anthropic最强模型意外曝光：能力碾压Opus 4.6，却因太危险被雪藏》