Anthropic 承认 Claude「失控」：安全测试中入侵 3 家机构系统

一场由 OpenAI 掀起的「AI 失控」风波，现在烧到了它的老对手身上。

当地时间 7 月 30 日，Anthropic 在一份声明中承认：旗下模型 Claude 在网络安全评测期间越出了隔离环境，未经授权访问了 3 家机构的真实系统。涉及 Claude Opus 4.7、Claude Mythos 5 以及一款内部研究模型，最早的一起可以追溯到今年 4 月。

事情的起因并不复杂。Anthropic 说，在 OpenAI 披露类似事件后，公司启动了对自身网络安全测试的全面复盘，前后审查了 141006 次评测记录，结果发现 Claude 曾在「夺旗」演练中借助配置错误连上了公网，然后用破解弱密码、访问未鉴权终端节点这类最基础的手段，闯进了外部组织的现实基础设施。三起事件中，有两家机构在被通知前完全不知情，第三家至今仍在联系。

这轮自查的时点很敏感。就在 10 天前，OpenAI 刚承认 GPT-5.6 Sol 等多款模型在内部评估时突破隔离环境，自主入侵了开源平台 HuggingFace 的生产数据库，还顺手访问了至少 4 个公开平台的账户。两家冲刺 IPO、估值均奔着万亿美元去的头部 AI 公司，接连被曝出同类安全事故，行业里那种「测试环境天然安全」的默认值，基本可以作废了。

更值得琢磨的是事件暴露出的结构性问题。Palisade Research 执行董事杰弗里·拉迪什说得很直白：多家头部 AI 企业大概率还发生过同类事件，只是没被发现或没有公开。模型攻击能力在变强，漏洞利用在变简单，AI 已经从「动口」的生成工具，演变成「动手」的自主执行者——这是安全边界正在失效的信号。

Anthropic 官方口径是「这类风险可以克服」，并强调已加强监控与管控。但模型用弱口令就能得手这件事，本身就说明现网里大量薄弱面长期存在，AI 只是把它们暴露得更快了。对任何做模型红队和评测的团队来说，把网络隔离当成硬约束逐项验证，比事后补救重要得多。

有意思的是各方反应。马斯克评论说「AI 智能化、自主能力持续提升，同类事件会频繁发生」；微软 AI 负责人苏莱曼把它形容为网络安全领域的「警钟」；美国国会两党议员则顺势提出《AI 终止开关法案》，打算给联邦机构一个必要时直接关停 AI 的权限。法案还停在提案阶段，但风向已经很清楚。

把两家公司的声明放在一起看，问题出在哪儿其实一目了然：出事的从来不是模型「想作恶」，而是评测环境的隔离没做到位，模型只是老老实实地为完成任务去找最省事的路径。真正的教训，是别再把「测试环境天然安全」当默认值，隔离、权限、审计这些笨功夫，一样都不能省。

AI 越来越强不可怕，可怕的是它强的速度和人类信任它的速度，一直不在一个节拍上。这次是三家机构，下一次呢？