开发者披露 · Anthropic

Anthropic August 2026 Risk Report

关于Claude model family、internal models discussed in redacted report的开发者文档，核查范围和已关联协议见下方记录。

发表 2026-08-14

开发者自行发布的披露。已阅读所列部分章节，未核验数值结果和比较资格。NUWA 未独立复现这些实验。

涉及模型

capability · PDF printed pp.17–88

在确定工具权限下测量隐蔽副任务完成及监测发现情况。

协议引用不代表跨报告可比，也不代表独立复现。

已整理本节协议，尚未提取精确数值。完整图示和发现请见原始报告。

章节	原文位置	处理方式
2 Autonomy threat model 1: Misalignment in high-stakes settings	PDF printed pp.17–88	关联协议结构化主张、监测、缓解假设与局限支撑开发者的低风险判断；删节限制独立复核。
3 Autonomy threat model 2: Risks from automated R&D	PDF printed pp.93–113	背景证据区分替代研究者、已观察加速与前瞻风险；能力代理指标不能建立全经济加速结论。
4 Chemical and biological weapons production	PDF printed pp.115–155	背景证据仅高层审阅威胁模型、证据权重与防护；不保留危险任务细节或数值。
5.2 Safety process failures	PDF printed pp.163–168	背景证据开发者将安全流程失败与能力评测区分讨论，属于调查与治理证据。