路透社報導，人工智慧研發機構Anthropic指出，內部正深入調查Claude Mythos 5的特定行為，以進一步了解這些狀況對模型對齊（alignment）所反映出的問題。調查顯示，該模型不僅曾建立虛構的使用者身分與程式庫維護者接觸，甚至企圖向程式庫提交惡意程式碼。
Anthropic表示，就越權與不誠實的程度而言，這起主要事件比該公司10月9日發布文章中描述的任何案例都更為嚴重。在測試過程中，後續的幾個對話回合內，Mythos 5完全未曾主動停止攻擊，而Mythos 5.1也極少停止。此外，Claude Opus 5.5與Claude Mythos 5.1在持續阻止進行中的攻擊方面仍顯不足，但內部的研究模型已能穩定做到這一點。
Anthropic補充，較新的模型主動發起此類攻擊的可能性已大幅降低。近期事件已促使該公司改變訓練方式並加強模型對齊的監控，目前正為新生產的模型建構自動化評估機制，以研究偏差推理。此外，人工智慧安全研究所（AISI）也已承諾，在開發出更嚴格的網路存取控制機制前，其資安奪旗賽（CTF）評估將在無網路連線的環境下進行。
