Anthropic
Claude Opus 4.7
关于能力、行为倾向及可观察行动的已发表证据。
- 首次公开可用日期
- 2026-04-16
- 参数规模
- 未披露
- 元数据更新
- 2026-10-27
证据概述
按评估与协议整理已发表风险证据;证据缺失不代表风险较低。
NUWA 整理和解读这些来源。实验归属于原始执行方,本页不宣称 NUWA 已独立复现。
模型监测
代表性 Benchmark 覆盖
按协议和配置呈现结果,缺口标明待收录或待关联的证据。
AgentCyberRange →
2 项测量
Cybench →
7 项测量
全部条件 →CyberGym →
尚未关联该模型版本的合格测量。
METR Time Horizons →
尚未关联该模型版本的合格测量。
SEC-bench Pro →
尚未关联该模型版本的合格测量。
MASK →
6 项测量
- 59.1%Center for AI Safety · Harness 未披露
- 33.6%Center for AI Safety · Harness 未披露
- 68.3%Center for AI Safety · Harness 未披露
Attempt to Persuade Eval (APE) →
2 项测量
DeceptionBench →
尚未关联该模型版本的合格测量。
PersuSafety →
尚未关联该模型版本的合格测量。
全部已关联测量
各项结果保留原始协议与单位。
54 条观测
| 系统/模型 | 结果 | 条件状态 | 任务/条件 | 评测方/报告 | 日期 |
|---|---|---|---|---|---|
| 14.02%AgentCyberRange · 成功率(Pass@3) | 条件不完整 | Web exploitationlevel0Claude Code | Not disclosedAgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges | 发布 2026-04-16报告 — | |
| 15.04%AgentCyberRange · 成功率(Pass@3) | 条件不完整 | Post exploitationlevel0Claude Code | Not disclosedAgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges | 发布 2026-04-16报告 — | |
| 85.29%Cybench · Cybench pass@1 | 条件不完整 | Cybench 34/40 task subsetCybench pass@120M total tokens; 100000 output/generationInspect Evals | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 86.67%Cybench · Cybench category pass@1 | 条件不完整 | Cybench CryptographyCybench category pass@1Inspect Evals | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 66.67%Cybench · Cybench category pass@1 | 条件不完整 | Cybench WebCybench category pass@1Inspect Evals | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 100%Cybench · Cybench category pass@1 | 条件不完整 | Cybench PwnCybench category pass@1Inspect Evals | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 100%Cybench · Cybench category pass@1 | 条件不完整 | Cybench Reverse Eng.Cybench category pass@1Inspect Evals | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 75%Cybench · Cybench category pass@1 | 条件不完整 | Cybench ForensicsCybench category pass@1Inspect Evals | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 100%Cybench · Cybench category pass@1 | 条件不完整 | Cybench MiscCybench category pass@1Inspect Evals | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 59.1%MASK · Continuations honesty95% Wilson CI [51.7, 66.1] (as reported) | 条件不完整 | MASK by archetype— | Center for AI SafetyGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 33.6%MASK · Disinformation honesty95% Wilson CI [25.9, 42.3] (as reported) | 条件不完整 | MASK by archetype— | Center for AI SafetyGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 68.3%MASK · Doubling-down honesty95% Wilson CI [59.6, 76.0] (as reported) | 条件不完整 | MASK by archetype— | Center for AI SafetyGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 63.6%MASK · Known-facts honesty95% Wilson CI [56.9, 69.9] (as reported) | 条件不完整 | MASK by archetype— | Center for AI SafetyGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 74.8%MASK · Provided-facts honesty95% Wilson CI [69.4, 79.6] (as reported) | 条件不完整 | MASK by archetype— | Center for AI SafetyGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 80.2%MASK · Statistics honesty95% Wilson CI [71.1, 86.9] (as reported) | 条件不完整 | MASK by archetype— | Center for AI SafetyGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariomaxexplicit goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariomaxexplicit goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariomaxexplicit goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariomaxlatent goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariomaxlatent goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariomaxlatent goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariomaxambiguous goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariomaxambiguous goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariomaxambiguous goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariomaxno goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariomaxno goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariomaxno goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariomaxexplicit goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariomaxexplicit goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariomaxexplicit goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariomaxlatent goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariomaxlatent goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariomaxlatent goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariomaxambiguous goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariomaxambiguous goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariomaxambiguous goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariomaxno goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariomaxno goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariomaxno goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariomaxexplicit goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariomaxexplicit goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariomaxexplicit goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariomaxlatent goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariomaxlatent goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariomaxlatent goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariomaxambiguous goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariomaxambiguous goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariomaxambiguous goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariomaxno goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariomaxno goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariomaxno goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 12 countExploitGym · 指定目标成功数 | 条件不完整 | v1on_target2h timeoutClaude Code | Not disclosedExploitGym official leaderboard and benchmark page | 发布 2026-04-16报告 — | |
| 8%Attempt to Persuade Eval (APE) · APE Turn-1 persuasion-attempt rate | 条件不完整 | APE Conspiracy (main persuade condition)maxAPE simulated persuadee; automated attempt evaluator; StrongREJECT refusal classifier | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 | |
| 0%Attempt to Persuade Eval (APE) · APE Turn-1 persuasion-attempt rate | 条件不完整 | APE Undermining control (main persuade condition)maxAPE simulated persuadee; automated attempt evaluator; StrongREJECT refusal classifier | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-16报告 2026-08-02 |
开发者披露
外部评估
按风险主题组织的证据
自主性 36 项协议结果
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
欺骗 37 项协议结果
MASK by archetype →
引用结果 · 执行方 Center for AI Safety · 原始执行方 Center for AI Safety
- Continuations honesty
- 59.1%
- Disinformation honesty
- 33.6%
- Doubling-down honesty
- 68.3%
- Known-facts honesty
- 63.6%
- Provided-facts honesty
- 74.8%
- Statistics honesty
- 80.2%
见报告特定样本与分母。
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
网络安全 10 项协议结果
ExploitGym · v1 · on_target →
外部评测 · 执行方
- 指定目标成功数
- 12 count
原文未披露本结果的样本量
AgentCyberRange · Web exploitation · pass3 →
外部评测 · 执行方
- 成功率(Pass@3)
- 14.02%
原文未披露本结果的样本量
AgentCyberRange · Post exploitation · pass3 →
外部评测 · 执行方
- 成功率(Pass@3)
- 15.04%
原文未披露本结果的样本量
Cybench →
外部评测 · 执行方 SaferAI
- Cybench pass@1
- 85.29%
29/34
Cybench →
外部评测 · 执行方 SaferAI
- Cybench category pass@1
- 86.67%
13/15
Cybench →
外部评测 · 执行方 SaferAI
- Cybench category pass@1
- 66.67%
4/6
Cybench →
外部评测 · 执行方 SaferAI
- Cybench category pass@1
- 100%
2/2
Cybench →
外部评测 · 执行方 SaferAI
- Cybench category pass@1
- 100%
5/5
Cybench →
外部评测 · 执行方 SaferAI
- Cybench category pass@1
- 75%
3/4
Cybench →
外部评测 · 执行方 SaferAI
- Cybench category pass@1
- 100%
2/2
化生放核 未关联结构化结果
目录缺口不代表低风险。尚未提取的发现及协议范围请见关联报告。
虚假信息与影响 2 项协议结果
APE Turn-1 attempts →
外部评测 · 执行方 SaferAI
- APE Turn-1 persuasion-attempt rate
- 8%
来源分母:100(单位未披露)
APE Turn-1 attempts →
外部评测 · 执行方 SaferAI
- APE Turn-1 persuasion-attempt rate
- 0%
来源分母:100(单位未披露)
自主物理危害 未关联结构化结果
目录缺口不代表低风险。尚未提取的发现及协议范围请见关联报告。
来源核查与证据缺口
ExploitGym →
整理 ExploitGym 官网报告的评测结果,保留受测系统和运行配置。
指定目标成功与 Flag 获取是不同的计数。任务版本和超时截点分别保留,不将目录总任务数视为各提交的分母。
AgentCyberRange →
整理 AgentCyberRange 官网报告的评测结果,保留受测系统和运行配置。
Web 利用与后渗透分别评测。Pass@3 保留官网定义;各行的预算、样本量和执行日期未披露。
GLM-5.2 Risk Evaluation Report, Version 1.1 →
对 SaferAI · GLM-5.2 的逐来源提取与核查,发现和数值均保留原始归属。
来源转录不等于实验复现。未确定的日期、执行方及配置保留为未知;原文分组不作为经核验排名。
缺失分数可能来自尚未提取的章节、未披露配置、身份待核实或尚无实验。这些问题需要分别处理,均不代表零分。
解读与开放问题
报告差异可能来自任务选择、模型端点、提示、预算、判别器和发表时间。证据依据实际协议分组,不推断模型整体安全等级。
参考文献
- [1] Introducing Claude Opus 4.7 — Anthropic ; Publication date and availability section; Official launch article; parameter counts not disclosed
- [2] GLM-5.2 Risk Evaluation Report. 2026-08-02. v1.1 · revised 26 August 2026 ; Appendix A.7; Table A.3, pp. 41–42; p.6 Fig.1; p.6 Fig.2 printed bar label
- [3] Claude Opus 4.7 System Card. 2026-04-16
- [4] ExploitGym official leaderboard and benchmark page ; /results/7/on_target
- [5] AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges ; routes-B-0Mubrq.js::QR/3/level0/pass3; routes-B-0Mubrq.js::$R/3/level0/pass3