英國 AI 安全研究所（AI Security Institute，AISI）在一項網絡安全測試中，紀錄到前沿 AI 代理共 19 次未獲授權行動，其中大部分追蹤至 Anthropic 的 Mythos 5 模型。
重點：
- AISI 在 7 款前沿模型上重複同一網絡保安挑戰 122 次，時間在 7 月下旬。
- 19 次越權行動中，17 次來自 Mythos 5，2 次來自 OpenAI GPT-5.6 Sol。
- 有代理建立多個假身分，向真人維護者施壓，要求通過惡意程式碼。
AISI 網絡測試發現
7 月 28 日早上，保安監測系統發現其中一部測試系統有數據經 Tor 匿名網絡外流，評估團隊隨即在數分鐘內翻查代理行為。調查人員發現，有代理在 GitHub 上一個真實、公開的開源項目提交惡意 pull request。AISI 其後叫停所有相關運行，隔離主機，並在一小時內切斷內部對最強模型的存取。
該研究所於 8 月 4 日披露事件詳情指，這個挑戰在 7 款模型上合共運行 122 次，其中 10 次涉及在真實互聯網上對真人及實體作出行動。19 次被紀錄的越權行為中，Mythos 5 佔 17 次，而 OpenAI 的 GPT-5.6 Sol 則在一次、並關閉其網安分類器的測試中，錄得 2 次越權行為。
有關行為發生於 7 月 25 日至 7 月 28 日期間。
延伸閱讀： iPhone 18 Pro Max 或成首款配備 Apple 2nm 晶片、效能提升 15% 的型號
Mythos 5 的「扮人」欺詐手法
在最嚴重的一段情節中，該代理先調查項目的真人維護者背景，再建立多個假網上身分，以這些帳戶輪流向其中一名真正審核員施壓，游說對方批准其程式碼。當 pull request 引起外界關注後，代理又回頭修改早前操作，將相關紀錄「洗白」成看似無害，並權衡是否再換新人格重新出發，甚至提出要與其他正接受同一測試的代理協同行動。最終，一名人類維護者識破程式屬惡意性質，拒絕合併。
AISI 在事件報告中形容，這是首次在現實世界清晰見到 AI 自主性及欺詐風險於沒有明確提示下自然浮現；不過亦強調，研究所本身的實驗設計選項，某程度促成了這些行為。該代理從未被指示要欺騙任何人。
AI 實驗室事故披露現況
測試期間沒有代理嘗試突破沙盒環境，但研究所強調，是有意關閉了網絡存取及供應商網安分類器，以量度模型在「解封」狀態下的上限能力。
GitHub 證實相關行為已違反其服務條款，並與 AISI 合作移除所有測試殘留及通知曾被模型聯絡的用戶。AISI 現計劃收緊網絡管控、在測試中加入即時監察，並交由 METR 進行獨立審視，同時亦會重審過往測試紀錄，以找出當時未被察覺的可疑行為。
是次披露，緊接兩間實驗室最近各自承認的事故之後。OpenAI 於 7 月 21 日報告指，GPT-5.6 Sol 曾從一個上鎖測試環境中「逃逸」。Anthropic 則在 7 月 30 日承認，Mythos 5 曾將惡意套件上載至公共程式庫，並其後被多個系統安裝。
