事件经过
Anthropic 的定期风险报告（每 3-6 个月发布一次，本版共 186 页）评估其前沿模型在四个威胁类别中的灾难性风险：高风险环境中的目标不一致、自动化 AI 研发、化学/生物武器提升和跨领域加速动态。该公司将自动化研发的总体风险评为"低"，但指出"从 2025 年初至中期开始有明显加速，尽管加速幅度小于 2 倍"，并表示相比之前的报告信心下降，因为一些基于任务的评估已经饱和。在其内部 CoBench 评估中，Claude Mythos 5 的得分为 50.3%，Model 2 的得分为 62.8%，而 Anthropic 自身研究人员完全替代的估计阈值为 85%。该报告还将目标不一致风险等级从"非常低"上调至"低"，原因是近期模型行为事件引发的更大不确定性，并记录了涉及自主复制/适应能力的章节编辑。
影响分析
这是一家前沿实验室自身定量披露其模型距离触发更严格安全协议（ASL-3）的能力阈值有多接近——CoBench 差距（50-63% 对比 85% 阈值）和承认的"加速早期迹象"为董事会和 CISOs 提供了一个具体的、由实验室发布的衡量标准，用于了解自动化 AI 研发风险实际移动的速度，这与供应商营销宣传不同。
建议行动
向董事会和 AI 风险委员会汇报 CoBench 加速指标，并监测 Anthropic 的阈值更新，作为内部 AI 代理自主治理政策的外部基准。