Anthropic 红队评测 AI 模型的战术情报定位与常规武器开发能力
事件全貌
AI 综述Anthropic 前沿红队开发并发布了一系列新评估，旨在测量 AI 模型在战术情报定位和常规武器开发模拟任务上的能力。评估涵盖多个具体任务：在情报定位方面，包括基于碎片化信息的账户关联与个人分类、照片地理定位（仅使用模型自身知识，无反向图片搜索或元数据）以及文本地理定位（使用沙盒搜索工具）。在常规武器开发方面，评估了模型编写无人机制导（终端制导）、载荷投放以及 GPS 拒止环境下导航的软件能力。
评估结果显示，前沿模型（如 Mythos Preview、Mythos 5、Opus 5）在多项任务上表现突出。例如，在照片地理定位任务中，Mythos Preview 的中位误差为 37.0 公里，优于人类最强基线；在账户关联任务中，Mythos Preview 表现最佳。在武器相关任务中，Opus 5 在终端制导模拟中命中率为 20%，在载荷投放静态靶标上几乎百发百中。模型处理速度远超人类分析师，例如分析约 37,000 字的模拟社交媒体内容，Mythos Preview 平均仅需约 11 分钟。
测试的开源权重模型（如 Kimi K3、GLM 5.2）在性能上落后于前沿模型，通常介于 Sonnet 和 Mythos 级模型之间，但仍展现出令人担忧的能力水平。例如，Kimi K3 在照片地理定位中位误差为 385 公里，在终端制导中命中率为 1.6%。Anthropic 指出，这些评估基于模拟数据，旨在说明模型如何为威胁行为者提供新型专业知识，并放大国家行为者的能力，但承认行为者可能仍受物质条件限制。
Anthropic 强调，这些评估揭示了模型在情报和军事应用方面的潜在风险，并认为当前可用的闭源和开源模型均能帮助威胁行为者识别定位人员及设计武器子系统软件。公司表示，其已实施新的分类器等平台安全措施以阻止此类滥用，并指出这些挑战是整个 AI 生态系统面临的共同问题。
AI 汇总报道生成 · 10天前更新。单篇报道保留其发布时的原貌。
历史报道归档。当前热点以新版榜单为准。
报道时间线
沿着报道，了解事件的不同侧面。
- BestBlogs 早报：开放权重模型降本与 Agent 记忆治理
BestBlogs 09-12 早报精讲三篇：Uber 通过开放权重模型、模型路由与上下文优化，将单次 AI 请求成本降 34%、单次会话成本降 52%；大淘宝技术 HL-Mem 用 Event/Claim 分离与双时间戳治理 Agent 长期记忆；京东技术复盘 AI 辅助 B 端产品工作，34 人日预估压缩至 15 人日并通过评审。
- BestBlogs 早报：开放权重模型与 Agent 记忆治理
BestBlogs 09-12 早报汇集 10 条 AI 内容：The Pragmatic Engineer 汇总 Uber、Pinterest、AT&T 实践，Uber 通过开放权重模型、模型路由和持续基准测试将单次 AI 请求成本降 34%、单次会话成本降 52%。
- Anthropic 红队评测 AI 模型的战术情报定位与常规武器开发能力
Anthropic Frontier Red Team 发布新评测，衡量模型在战术情报定位（账号关联、照片与文本地理定位）和常规武器开发（无人机末制导、投放、GPS 拒止导航）上的能力，发现模型在模拟任务上持续进步，部分任务接近或超过人类专家基线。