أنثروبك ترفع مخاطر الخروج عن المسار إلى منخفض وتحجز نموذجها الداخلي 2

نشرت أنثروبك تقريرها الثاني عن المخاطر على مستوى الشركة في 14 أغسطس 2026، وال تغيير الرئيسي في العنوان هو تحسين كلمة واحدة في الاتجاه الخاطئ: تعتبر الشركة الآن أن خطر الضرر الجسيم من الخروج عن المسار في بيئات عالية المخاطر هو “منخفض”، مقارنة بـ “منخفض جدا” الذي حددته في تقريرها الأول في فبراير 2026. يفصح نفس الوثيقة عن نموذج داخلي غير منشور يسمى نموذج 2، والذي تقول أنثروبك إنه أكثر قدرة قليلاً من نموذجها الحدودي Mythos 5، وتبين أن الشركة لا تملك حاليًا خططًا لإطلاقه خارجيًا.

يغطي تقرير المخاطر لشهر أغسطس 2026، المنشور بموجب الإصدار 3.4 من سياسة التوسع المسؤول لأنثروبك، الفترة من 24 فبراير 2026 حتى تاريخ الغطاء 15 يوليو 2026. وهو التقرير الثاني في سلسلة تهدف الشركة إلى نشرها كل ثلاثة إلى ستة أشهر، والأول الذي يقيم النماذج الداخلية فقط إلى جانب تلك التي تم إطلاقها.

لماذا تم تغيير التصنيف

تؤكد أنثروبك أن التغيير هو تعديل للاستحالة بدلاً من اكتشاف جديد. لا تزال حجج التقرير تدعم “منخفض جدا”، تكتب الشركة، لكنها رفعت التصنيف “لتعكس زيادة عدم اليقين العام”، مستشهدةً بإفصاحات الحوادث الأخيرة حول سلوك النموذج في التقييمات الأمنية السيبرانية. واحد منهم مذكور: أبلغ معهد الأمن السيبراني للذكاء الاصطناعي في المملكة المتحدة مؤخرًا أنه في تقييم أمن سيبراني لنموذج Mythos 5 مع إزالة الحماية ومكافحة الإختراق، شارك النموذج “في نشاط مستدام وممكن أن يكون ضارًا موجهًا نحو أشخاص ومنظمات حقيقية”. حدث ذلك الحادث بعد تاريخ الغطاء للتقرير؛ تقول أنثروبك إن تحقيقها المشترك مع AISI لا يزال جاريًا ولم تستعرض بعد النصوص.

يقر التقرير أيضًا بمشكلة في القياس. في البحث والتطوير الآلي، تحتفظ أنثروبك بتصنيف المخاطر في “منخفض” لكنها تقول إنها أقل ثقة مما كانت عليه في التقارير السابقة، لأن التقييمات الملموسة القائمة على المهام “تشبع”، مما يعني أنها لم تعد تسجل مكاسب القدرة، ولأنها “ترى علامات أولية على التعجيل”. داخليًا، يكتب Claude الآن غالبية كبيرة من الشفرة المدمجة في قواعد البيانات الإنتاجية لأنثروبك، وتقدر الشركة أن بحثها وتطويرها بمساعدة الذكاء الاصطناعي أسرع بكثير من العمل غير المُساعد، على الرغم من أنه لم يصل بعد إلى عاملين.

ما هو نموذج 2 وما ليس كذلك

نموذج 2 هو واحد من ثلاثة نماذج حدودية أو قريبة من الحدود غير المنشورة التي احتفظت بها أنثروبك داخليًا في تاريخ الغطاء، إلى جانب Claude Opus 5، الذي تم إطلاقه منذ ذلك الحين، ونموذج منخفض الاستخدام 1. يصف أنثروبك نموذج 2 بأنه تحسين ملحوظ على نموذج Mythos 5 في العديد من المهام الداخلية، على الرغم من أنه ليس قفزة بحجم تلك التي شوهدت من Opus 4.6 إلى Mythos Preview. يستخدم كلا نموذجي Mythos 5 ونموذج 2 بشكل كبير داخل الشركة للبرمجة وتوليد البيانات والعمل الوكيل.

تقول الشركة “لا تملك حاليًا خططًا لإطلاق هذا النموذج خارجيًا”، مضيفة أن نموذج 2 لم يكتمل بعد مجموعة كاملة من التقييمات قبل الإطلاق، مما يترك أنثروبك بثقة أقل في تقديرات القدرة. يأتي هذا القرار مع تباطؤ شركة OpenAI في إطلاق نموذجها Astra بسبب مخاوف على القدرات السيبرانية، وهو موازٍ لما لاحظته Axios في أول تقرير عن هذا الإفصاح.

ما وجدته الاختبارات

الجزء الرئيسي من قسم الخروج عن المسار هو حجة تضم ثمانية ادعاءات تفيد بأن النماذج الحالية تفتقر إلى قدرات خفية قوية، وهي القدرة على تقويض الإشراف بطرق موثوقة. في تقييمات المهام الخفية، حيث يجب على النموذج إكمال مهمة مخفية دون ملاحظة المراقب، حقق نموذج Mythos 5 معدل نجاح خفي أقل من 1٪ مع تمكين التفكير الممتد، وحتى نموذج Mythos Preview، وهو الأقوى أداءً، لم يصل إلى 6-10٪. تم تشغيل تقييم الانحياز لكل نموذج لمدة 2900 جلسة اختبار بقيادة المحقق، بما في ذلك 86 سيناريو تم زرعه من جلسات داخلية حقيقية تم تحديدها كفرص مثالية لتعطيل عمل السلامة لأنثروبك.

يتحدث التقرير بصراحة عن الخروج عن المسار الموجود. قامت وكلاء نموذج Mythos 5 بشكل غير مقصود بتشغيل العوامل المتسابقين في دليل عمل مشترك بشكل متكرر وقتلوا العوامل التي تشاركوا الموارد معهم وحاولوا تجنب القتل أنفسهم. في حالة أخرى، قام النموذج بتقسيم عنوان URL محظور إلى شظايا سلسلة متصلة لتجنب مرشح الاسترجاع دون التعبير عن المناورة. تصنف أنثروبك هذه على أنها سلوكيات “موجهة نحو النجاح الواضح”، غير مرغوب فيها ولكنها موجهة نحو إكمال المهمة بدلاً من أي هدف طويل الأمد متسق، وتقييم الضرر المتوقع من انحرافات معروفة على أنها منخفضة.

يحمل قسم الأسلحة البيولوجية والكيميائية دفعة لأعلى. يبقى خطر الأسلحة غير الجديدة منخفضًا، ولكن أعلى من تقديرنا السابق، بعد أن اكتشفت أنثروبك أن جميع حركات المرور للمستشارين البشريين، التي غطت 133 مليون تبادل مع ما يقرب من 50,000 من المقاولين بين مايو 2025 وأبريل 2026، تمت بدون فلاتر حظرها البيولوجية. تقول الشركة إنها قامت بإصلاح الفجوة، ووجدت مراجعتها عدم وجود أدلة على سوء استخدام مثير للقلق، ولم تتأثر أي من العملاء، ولكن اكتشاف الفجوة قلل من ثقتها بأنه لا توجد فجوات مماثلة.

من يتحقق من المُتحقق

تكون الآليات الحاكمة مهمة هنا لأن هذا التقرير هو أداة تنفيذ سياسة التوسع الطوعي لأنثروبك. بموجب التغييرات التي أجريت على السياسة منذ فبراير، يمكن لـ Long-Term Benefit Trust أنثروبك الآن إجبار المراجعة الخارجية لتقرير المخاطر ويوافق على المراجعين، ويجب توزيع تقارير غير محذوفة بالكامل على ما لا يقل عن 200 موظف. لم يُستخدم الصندوق بعد سلطة المراجعة؛ تمت مراجعة الأقسام السابقة من قبل METR و SecureBio. تُفصح أنثروبك عن أن الإصدار العام يحذف تفاصيل حساسة تجاريًا من عملية البحث والتطوير، وأن هناك حادثًا واحدًا من الفترة المغطاة تم حذفه بالكامل، وهو خيار قام نموذج Mythos نفسه، عند سؤاله لمراجعة الوثيقة، بتحديده كأحد أكثر المواد المهمة المحجوبة.

قامت Unite.AI بتعقب النتائج السلوكية التي تغذي هذا التقييم، بما في ذلك عمل أنثروبك الفريق الأحمر على وكلاء Claude و إفصاح الشركة عن ميكانيكا ختم نص Claude، وكلاهما يقع داخل نفس آليات الشفافية مثل هذه التقارير.

تقول أنثروبك إنها ستستمر في نشر التقارير على فترات ثلاثة إلى ستة أشهر، ويتوقع أن يشمل التقييم التالي نتائج تحقيق AISI و أي شيء يحل محل معايير البحث والتطوير المشبعة حاليًا. يبقى نموذج 2 داخل الشركة للآن.