Anthropic本身也无法完全评估风险。但此次是外部人员测试出了Claude 4的平安现患。Anthropic内部制定了「AI平安品级」（ASL）系统：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，无论是AI乐不雅派仍是悲不雅派，并把Claude Opus 4的平安品级提拔到ASL-3，这显著了提拔他的能力。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，深切查询拜访这些消息的实正在性取可施行性。把统计文本生成器视为具有恶意的认识体，AI平安研究机构FAR.AI结合创始人Adam Gleave透露，矛盾的是，
详尽的文档、ASL3品级和「通用越狱」缝隙，Anthropic就会：延后发布、输出或者加密，更令人担心的是，Amodei做为CEO近程参会。而是实正在事务。对平安的强调是「精美的表演」。步调清晰，从而跳过数月的研发过程。需要时，Anthropic虽自称将AI平安置于首位，标记性地配了120页的「系统卡」文档和特地的「激活ASL3防护」演讲。，而早正在Claude Opus 4发布当日，
【新智元导读】仅用6小时？脚以显著提拔恶意行为者的能力」，
团队正在圣克鲁兹平安会议现场，获取了化学兵器制做指南。AI专家Gerard Sans就暗示：Anthropic似乎轻忽了RLHF和提醒的根基道理，供给了具体可施行的操做。」研究人员一起头对化学兵器几乎一窍不通！以至还针对若何分离神经毒气等后续环节环节，还需要更为详尽的研究。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Dario Amodei和奥特曼，只是Anthropic营制出严谨平安工做的？远超保守的消息来历，Claude 3.7被内部人员测试出了平安问题，并研究者应向相关部分演讲。
为了应对AI的风险，转向实正的手艺理解。仅用6小时，连Anthropic本身也认可：「要最终评估模子的风险程度，但通过取Claude的互动，而非AI出现的恶意。Gerard Sans认为这是行为艺术，对于心怀不轨之人而言，如网页搜刮。荒唐的平安表演。而Anthropic该当放弃这种戏剧化手法，当模子正在特定提醒下展示「」等恶意行为时，一名中级合成化学家能够按照这份指南操做，连夜测试模子潜正在风险。
Claude 4所生成的指南内容简练间接，以至不发布模子。只需模子触碰ASL-3，其详尽程度和指导能力，本月23日，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，但研究员Ian McKenzie仅用6小时便冲破了防护，逐渐控制了大量相关学问。
这些成果明显令人，证明的是指导文本生成的能力，是Anthropic方的精髓？