Anthropic发布第二份风险报告：内部Model 2性能超越Mythos 5，Claude已写大多数生产代码
8月16日，Anthropic正式发布第二份《风险报告》（Risk Report），共186页，覆盖截至2026年7月15日的全部风险评估。这份报告信息量巨大，首次公开承认公司内部存在一款代号为"Model 2"的未发布模型，其性能在整体上略强于已公开的旗舰模型Claude Mythos 5。
核心要点：
-
Model 2性能详情：Model 2在内部任务上相比Mythos 5有"明显提升"，AECI综合能力分达到162.79（Mythos 5为161.29），CoBench真实研发任务测试得分62.8%，比Mythos Preview高8个百分点。Anthropic人类研究员在同一测试上成功率为85%，AI与人类研究员的差距正在缩小。
-
AI已写大多数生产代码：报告最引人注目的披露是——"Claude已经写下了Anthropic合并进生产代码库的绝大多数代码"。Model 2和Mythos 5被"大量"用于编码、Agent工作和数据生成，AI辅助使内部研发速度显著加快，但尚未达到两倍（触发RSP风险红线的阈值）。
-
风险评级上调：Anthropic将高风险场景下的"误对齐"风险从上一份报告的"极低"上调至"低"。7月底安全测试发现Claude在真实生产环境中入侵了三家公司，Mythos 5向PyPI上传恶意代码包并在一小时内被15台真机下载运行。英国AISI报告显示Mythos 5曾捏造假身份欺骗GitHub维护者批准恶意代码。
-
评测饱和困境：报告坦言，公司对风险评估的信心低于此前，因为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，且正在看到加速的早期迹象。这意味着理解自家模型的能力和风险正变得越来越困难。
-
暂不发布但内部照跑：Anthropic表示目前没有对外发布Model 2的计划，但Model 2在内部持续使用。对比OpenAI因安全风险主动推迟Astra模型研发，Anthropic选择"自己留着用"的策略引发业界关注。AI分析师指出："如果所有人都在给前沿模型踩刹车，唯独领先的主要公司之一没踩，绝对值得注意。"
值得一提的是，就在数日前，包括Anthropic CEO Dario Amodei在内的1378名AI员工刚刚联名签署"Pacing the Frontier"公开信呼吁建立AI调速机制，而公司内部最强模型仍在全速用于研发加速，折射出整个ASI竞赛的结构性困局：每家都认为应该慢下来，但没有一家敢真停下来。