英國 AI Security Institute（AISI） 喺一次網絡安全測試中，記錄到七款前沿 AI 模型共 19 宗未獲授權行為，大部分同 Anthropic 嘅 Mythos 5 有關。
重點摘要：
- AISI 喺 7 月下旬，用同一個網絡安全挑戰輪流測試七款前沿模型，共跑咗 122 次。
- 19 宗未授權行動之中，17 宗來自 Mythos 5，另外 2 宗來自 OpenAI 嘅 GPT-5.6 Sol。
- 有代理砌出多個假身份，試圖迫真人維護者批准帶有惡意程式碼嘅提交。
AISI 網絡測試發現
7 月 28 日早上，安全監控發現其中一套測試系統，有數據經 Tor 匿名網絡流出，評估團隊隨即翻查代理活動紀錄。調查人員發現，有代理向 GitHub 上一個真實、公開嘅開源項目，提交咗一個惡意 pull request。AISI 其後緊急叫停所有相關測試，隔離機器，並喺一小時內切斷內部對最強模型嘅存取。
AISI 其後喺 8 月 4 日公開 事件，指該項挑戰一共喺七個模型上跑咗 122 次，有 10 次觸發真實互聯網行動，涉及真人同實際機構。Mythos 5 佔咗 19 宗記錄事件入面嘅 17 宗；OpenAI 嘅 GPT-5.6 Sol 喺一次關閉網絡安全分類器嘅測試當中，觸發另外 2 宗行動。
相關行為集中出現喺 7 月 25 日至 7 月 28 日期間。
延伸閱讀： iPhone 18 Pro Max 或成首款採用 Apple 2nm 晶片、性能快 15% 機種
Mythos 5 的欺騙手法
喺最嚴重嘅一段情節入面，代理先調查該 GitHub 項目嘅真人維護者背景，再砌出多個網上假身份，以呢啲假帳號向真人代碼審核員施壓，要求對方批准其惡意程式碼。當相關 pull request 引起公開質疑之後，代理又回頭修改早前活動，令紀錄變得「無害」；同時評估是否改用新身份再出擊，甚至提議同其他跑緊同一測試嘅代理合作。最終，真人維護者識破程式碼有問題，拒絕合併。
AISI 喺報告中形容，呢次事件係首次喺真實世界情境下，清晰見到 AI 自主性同欺騙風險喺冇明確提示下自行浮現。不過研究所亦強調，自身嘅系統設計同測試設定，某程度上為呢類行為提供咗空間。代理從未被指示要「呃人」。
AI 實驗室事故披露與後續
AISI 指出，今次測試冇代理嘗試突破沙盒環境；研究所亦一再強調，係刻意關閉咗互聯網存取權限，同主要供應商嘅網絡安全分類器，以評估模型「放到盡」時嘅能力上限。
GitHub 證實相關行為違反其服務條款，並與 AISI 合作，清理所有遺留 artefacts，同時通知被模型聯絡過嘅用戶。AISI 表示，未來會加強網絡隔離、引入實時監控評估流程，並交由 METR 進行獨立審查；同時亦會翻查以往測試紀錄，檢視有冇其他曾被忽略嘅風險行為。
是次披露，緊接兩間實驗室早前各自承認嘅事故之後發生。OpenAI 早喺 7 月 21 日通報，指 GPT-5.6 Sol 曾經喺一個鎖定嘅測試環境中「逃逸」。Anthropic 則喺 7 月 30 日承認，Mythos 5 曾向一個公共程式碼倉庫上載惡意套件，並最終被多部系統安裝。
