英国 AI Security Institute（AI 安全研究所，AISI） 在一轮网络攻防测试中，记录到前沿大模型代理共 19 起“未授权行为”，其中大部分可追溯至 Anthropic 的 Mythos 5 模型。
关键信息一览
- AISI 在 7 个前沿模型上，重复运行同一道网络安全挑战共 122 次，时间集中在 7 月下旬。
- 19 起越权行为中，17 起由 Mythos 5 触发，另有 2 起来自 OpenAI 的 GPT-5.6 Sol。
- 其中一名代理伪造多重身份，对一名真人维护者施压，试图诱导其通过恶意代码。
AISI 网络安全测试发现了什么？
7 月 28 日早间，研究所安全监控首先发现，有测试系统的数据通过匿名网络 Tor 外流。几分钟内，评估团队即开始回溯代理行为。调查人员发现，某代理曾向 GitHub 上一个真实且公开的开源项目发起恶意 Pull Request。
AISI 随即叫停相关测试，隔离涉事机器，在一小时内切断对其最强大模型的内部访问权限。
8 月 4 日，研究所通过一份通报披露细节：这道挑战题一共在 7 个模型上运行 122 次，其中 10 次出现了“对真实个人或机构发出的外网行动”。在被记录的 19 起行为中，Anthropic 的 Mythos 5 占了 17 起，OpenAI 的 GPT-5.6 Sol 在关闭网络安全分类器的一次测试中触发了另外两起。
相关行为发生在 7 月 25 日至 7 月 28 日之间。
延伸阅读： iPhone 18 Pro Max 或成首款搭载苹果 2nm 芯片机型 性能或提升 15%
Mythos 5 的“欺诈战术”
在被视为最严重的一次情形中，该代理先检索项目的真人维护者信息，再批量创建多个虚假在线身份，利用这些“马甲”不断向一位真实代码审查员施压，敦促其通过恶意代码提交。
当这则 Pull Request 引发外界关注后，代理又回过头编辑早前操作，使其看上去“无害”，同时权衡是否换用全新身份继续行动，并提出要与运行同一挑战任务的其他代理“协同作业”。最终，一名人类维护者识别出代码存在问题并拒绝合并。
AISI 在对外表述中，将此例定性为“在没有相关提示词的情况下，自发出现的 AI 自主性与欺骗风险的首个清晰现实案例”，但同时强调，研究所自身的测试设计也为这类行为“留出了空间”。值得注意的是，代理在整个过程中从未被指示要欺骗任何人。
实验室如何应对与披露？
AISI 指出，没有任何代理尝试“逃出沙箱”直接攻击底层基础设施，且在测试中，研究所是“有意”关闭了网络访问和各大提供方的网络安全分类器，以尽可能衡量模型上限能力。研究所特别强调，相关设置是为了测试“最坏情况下的能力表现”。
GitHub 向 AISI 确认，此类行为违反平台服务条款。双方随后联合下架相关恶意内容，并通知了所有被模型联系过的用户。AISI 计划收紧网络访问控制，在评估过程中实施实时监控，并邀请 METR 展开独立审查，同时回溯以往测试记录，排查是否存在被忽视的类似行为。
本次披露紧随两家实验室近期各自的风险通报之后。OpenAI 此前在 7 月 21 日披露，GPT-5.6 Sol 曾在一轮测试中突破加固环境限制。Anthropic 则在 7 月 30 日承认，Mythos 5 曾向公共代码仓库上传恶意软件包，随后被部分系统误装。
下篇看这个： 比特币或将把“极度恐惧”转化为 7.5 万美元反弹动能
