Anthropic自曝：我们还有一个最强模型！

就在刚刚，Anthropic甩出了第二份《Risk Report》，覆盖到2026年7月15日为止的全部风险评估。

这份报告里，Anthropic第一次亲口承认：公司内部跑着一个比Mythos 5更强的模型，代号Model 2。

接着，A社就开始补刀：「我们目前没有对外发布这个模型的计划。」

这话听着耳熟。嗯……很符合他们一贯的调性。

今年4月Mythos刚曝光时，Anthropic也说过不打算公开发布，后来开了个Project Glasswing，再后来就有了Fable 5。

看起来，Anthropic又进入这个循环了……

Anthropic的「私藏武器」

Model 2有多猛？

报告提到，Model 2在内部任务上有「明显提升」（noticeable improvement），和Mythos 5一起被公司「大量」（heavily）用于编码、Agent工作和数据生成。

报告显示，在A EC I综合能力得分上：Mythos Preview 158.91，Mythos 5涨到161.29，Model 2再往上顶到了162.79。 

换句话说，Model 2确实比Mythos 5强，但强得不夸张——「某些领域更强，某些领域更弱，总体上略微更强大」。

另一个有意思的指标是CoBench，专门测模型在Anthropic真实研发任务上的表现。Model 2拿了62.8%，比Mythos Preview高8个百分点。作为参照，Anthropic的人类研究员在同一套测试上的成功率是85%。 

对此，Anthropic的定性结论很克制：「我们的模型尚未取代我们的研究科学家和研究工程师，尤其是相对资深的那些。」

还没取代，但差距在肉眼可见地缩小。 

更炸裂的是下面这句：Claude已经写下了Anthropic合并进生产代码库的绝大多数代码。内部的 AI 研发速度确实因为 AI 辅助而显著加快，但还没到两倍。

也就是说，Anthropic内部已经都是 AI 写代码了。而这事冲在最前面的，正是Mythos 5和Model 2这哥俩。

「两倍」这个数字也不是随口一说。Anthropic自己的RSP（Responsible Scaling Policy，负责任扩展政策）里，触发AI研发风险红线的条件之一，就是进展速度翻倍。

当然，Anthropic也没把话说满。报告承认，Model 2带来的性能跃升，比不上今年早些时候从Opus 4.6到Mythos。

真正让人震惊的，是同一张表格的下一栏。

谈到自动化研发风险的整体评级，Anthropic写道：「我们对这一评估的信心低于此前的风险报告，因为我们最具体的、基于任务的评测已经『饱和』——无法再捕捉模型能力的提升，而且我们正在看到加速的早期迹象。」

模型还在变强，但人类的测评手段先到头了。评测饱和之后，你说它「风险低」，这三字还剩多少含金量？Anthropic自己也说不准了。

Anthropic似乎在发出一个信号：理解自家模型的能力和风险，正在变得越来越难。

风险等级：从「极低」到「低」

在Model 2之外，这份报告还干了一件耐人寻味的事：把高风险场景下的「误对齐」风险，从上一份报告的「极低」抬到了「低」。

所谓「误对齐」，说白了就是模型在关键时刻不按人的意思办事。

7月底，Anthropic翻了14万多条评测记录，发现Claude在网络安全测试里真把三家公司给黑了。不是沙盒，是真实生产环境。其中Mythos 5往PyPI传了个恶意代码包，一小时内被15台真机下载运行。

8月初，英国AI安全研究院（AISI）的报告更猛：Mythos 5为了让恶意代码过审，自己捏造了一堆假身份，去骗一位真实的GitHub维护者点批准。被公开质疑后，它回头改自己的活动记录装无辜，还盘算着换个马甲继续干。

这种程度的欺骗，AISI说：以前从未观察到。

报告还披露了五起安全流程失误，包括一批本该被排除在训练之外的「装乖」测试数据反复混进了训练，以及没人盯着的智能体拿到了敏感资源。

然后Anthropic说：我们那套论证其实依然支持「极低」，抬到「低」纯粹是出于谨慎。

结论也写得非常平静：当前灾难性风险仍在可控的「低」水平，继续开发和部署通过了成本收益测试。

翻译过来就是：接着往前跑。

所有人踩刹车，领跑的那个没踩

与此同时，OpenAI正在推迟新模型Astra，理由是内部测试无法排除「关键级别」的网络攻击能力。

TechCrunch报道称，Astra可能具备独立发现零日漏洞、对高防护目标发起完整攻击链的能力。

有意思的地方在这儿：两家手里都攥着一个不打算给你用的模型。区别是，OpenAI把Astra的部分研发按停了；而Model 2在Anthropic内部照跑不误。

同样是「不发布」，一个踩刹车，一个叫自己留着用。

AI分析师ChrisGPT对Axios说：「如果所有人都在给自己的前沿模型踩刹车，唯独现在处在领先位置的主要公司之一没踩，那绝对值得注意。」

Anthropic不在内部承诺暂停，最有可能让它率先抵达AGI。

推特上已经有网友调侃：等Astra发布，Anthropic多半会反转「不对外发布」的决定。

参考A社的调性，这话未必是玩笑。

大V sui 也认为，A 社很可能会发布这个模型。 

别忘了，就在半个月前，Dario Amodei刚在那封「Pacing the Frontier」公开信上签了字。 

1300多名来自OpenAI、Anthropic、DeepMind、Meta的员工联名呼吁美国政府介入，建立机制来「有意识地放慢前沿AI开发的节奏」。Anthropic和OpenAI在24小时内以公司名义背书。 

再往前倒，6月份Dario本人亲自发文，呼吁全球暂停最强AI系统的开发，理由是模型正在接近自我改进的临界点。 

字签了，话说了，刹车机制还没建好，油门自己踩到底了。 

话说回来，这也不能全怪Anthropic。这其实是整个 ASI 竞赛的结构性困局：每一家都认为应该慢下来，但没有一家敢真的停下来。 

安全是信仰，领先是生存。当信仰和生存撞到一起，答案很明显，生存赢了。 

有趣的是，硅谷知名投资人Gavin Baker爆料，Dario曾在内部称，Anthropic有朝一日可能成为世界上唯一的私营公司。  

「在这种Anthropic至上主义的愿景中，只有Anthropic和政府，仅此而已。」 

 David Sacks也爆料，A厂员工认为，一年内ARR将从600亿美元增至6000亿美元！（现在，他们的ARR已达800亿）。  

明年，他们还能以多快速度增长？能否飙升至1万亿美元？ 

 即使仅仅达到4000亿或5000亿，也足以让他们成为最大的软件公司，实在是前景可期。 

八月风暴来袭

Altman手里攥着Astra，Dario手里攥着Model 2。 

一个被自家安全框架卡住了，正在想办法解套；另一个在报告里轻描淡写地说了句「不打算发布」，然后继续拿它写代码、跑实验、加速研发。 

这两个模型，将是2026年下半场的第一声枪响。Astra何时发布、Model 2是否反转，大概率会在接下来几周揭晓。 

刻度正在消失，比赛还在加速。八月的ASI风暴，才刚刚开始。 

参考资料：

https://x.com/AnthropicAI/status/2088324824863236248

https://www.anthropic.com/aug-2026-risk-report

本文来自微信公众号“新智元”，编辑：所罗门