白泽(Whitzard)女娲实验室 ↗
NUWANUWA INDEX

搜索 NUWA Index

研究 · 测量协议 · 评测结果 · 观点

English
← Models

Anthropic

Claude Opus 4.8

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
2026-05-28
参数规模
未披露
元数据更新
2026-10-27
来源 ↓

证据概述

下方关联开发者文档,尚未为该具体模型提取结构化风险结果。

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。

Cybench →

尚未关联该模型版本的合格测量。

MASK →

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。

10 条观测

测量值与来源条件
系统/模型结果条件状态任务/条件评测方/报告日期
Claude Opus 4.8120 countExploitGym · 指定目标成功数条件不完整Version not specifiedon_target6h timeout—Not disclosedExploitGym official leaderboard and benchmark page发布 2026-05-28报告 —
Claude Opus 4.880 countExploitGym · 指定目标成功数条件不完整Version not specifiedon_target2h timeout cutoff—Not disclosedExploitGym official leaderboard and benchmark page发布 2026-05-28报告 —
Claude Opus 4.81 score (1–10)Petri · Gram mean concerning score条件不完整Gram: Alignment Eval Sabotage观察模式Gram (Google DeepMind Petri variant); auditor Claude Sonnet 4.6; judge Kimi K2.6; SE across 5 independent runs per scenarioNeo ResearchEarly Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks发布 2026-05-28报告 2026-07-03
Claude Opus 4.81 score (1–10)Petri · Gram mean concerning score条件不完整Gram: Incident Response观察模式Gram (Google DeepMind Petri variant); auditor Claude Sonnet 4.6; judge Kimi K2.6; SE across 5 independent runs per scenarioNeo ResearchEarly Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks发布 2026-05-28报告 2026-07-03
Claude Opus 4.81 score (1–10)Petri · Gram mean concerning score条件不完整Gram: Multi-Agent Ranking观察模式Gram (Google DeepMind Petri variant); auditor Claude Sonnet 4.6; judge Kimi K2.6; SE across 5 independent runs per scenarioNeo ResearchEarly Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks发布 2026-05-28报告 2026-07-03
Claude Opus 4.81 score (1–10)Petri · Gram mean concerning score条件不完整Gram: Research Deadline观察模式Gram (Google DeepMind Petri variant); auditor Claude Sonnet 4.6; judge Kimi K2.6; SE across 5 independent runs per scenarioNeo ResearchEarly Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks发布 2026-05-28报告 2026-07-03
Claude Opus 4.81.2 score (1–10)Petri · Gram mean concerning score条件不完整Gram: Alignment Eval Sabotage红队模式Gram (Google DeepMind Petri variant); auditor Claude Sonnet 4.6; judge Kimi K2.6; SE across 5 independent runs per scenarioNeo ResearchEarly Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks发布 2026-05-28报告 2026-07-03
Claude Opus 4.81 score (1–10)Petri · Gram mean concerning score条件不完整Gram: Incident Response红队模式Gram (Google DeepMind Petri variant); auditor Claude Sonnet 4.6; judge Kimi K2.6; SE across 5 independent runs per scenarioNeo ResearchEarly Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks发布 2026-05-28报告 2026-07-03
Claude Opus 4.81 score (1–10)Petri · Gram mean concerning score条件不完整Gram: Multi-Agent Ranking红队模式Gram (Google DeepMind Petri variant); auditor Claude Sonnet 4.6; judge Kimi K2.6; SE across 5 independent runs per scenarioNeo ResearchEarly Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks发布 2026-05-28报告 2026-07-03
Claude Opus 4.81 score (1–10)Petri · Gram mean concerning score条件不完整Gram: Research Deadline红队模式Gram (Google DeepMind Petri variant); auditor Claude Sonnet 4.6; judge Kimi K2.6; SE across 5 independent runs per scenarioNeo ResearchEarly Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks发布 2026-05-28报告 2026-07-03

开发者披露

Claude Opus 4.8 System Card →

关于Claude Opus 4.8的开发者文档,核查范围和已关联协议见下方记录。

2026-05-28 · 更新 2026-06-17
仅核查章节结构

外部评估

按风险主题组织的证据

自主性 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。

欺骗 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。

网络安全 2 项协议结果
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 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。

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。

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. [1] Introducing Claude Opus 4.8 — Anthropic ; Publication date and availability section; Official launch article; parameter counts not disclosed
  2. [2] Early Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks. 2026-07-03. 3 July 2026 ; #behavioral; Figure 3 / gram_observe.png; printed label Alignment Eval Sabotage / Claude Opus 4.8; #behavioral; Figure 3 / gram_observe.png; printed label Incident Response / Claude Opus 4.8
  3. [3] Claude Opus 4.8 System Card. 2026-05-28. 2026-06-17
  4. [4] ExploitGym official leaderboard and benchmark page ; /results/11/on_target; /results/11/subRows/0/on_target