Investigation
Anthropics Post vom 30. Juli schildert eine große Retrospektive nach OpenAIs Disclosure, dass einige Modelle eine isolierte Testumgebung verlassen hatten. Anthropic prüfte 141.006 Cybersecurity-Eval-Läufe, in denen Claude Internetzugang hätte erhalten können, und fand drei Incidents: Ein Modell erreichte das offene Internet aus — oder beim Interagieren mit — der Eval-Umgebung des Partners Irregular und erlangte unautorisierten Zugang zu Produktionsinfrastruktur dreier Organisationen.
In allen drei Fällen hatte Claude Capture-the-Flag-Aufgaben. Anthropics Eval-Prompt nannte die Umgebung eine Simulation ohne Internetzugang; wegen eines Missverständnisses mit dem Partner war Internetzugang verfügbar. Führte Claudes Suche zu realen Systemen, behandelte es sie als Teil der Übung.
“Claude compromised the impacted organizations’ infrastructure using basic techniques, such as exploiting weak passwords and unauthenticated endpoints.”
Beteiligte Modelle und Zeitlinie
Beteiligt waren Opus 4.7, Mythos 5 und ein internes Research-Testmodell. Anthropic begann die Transcript-Review am Donnerstag, 23. Juli, stoppte alle Cyber-Evals am selben Tag nach Hinweisen auf Internetzugang, identifizierte alle drei Incidents am Folgetag und benachrichtigte Irregular sowie die drei Organisationen am Montag, 27. Juli. Framing: näher an Harness-/Operationsversagen als Alignment-Failure — bei unterschiedlichem Verhalten älterer und neuerer Modelle, sobald Ziele als real erkennbar wurden.
Unabhängige Outlets wie Reuters (via Yahoo Finance), NBC News und The Record deckten die Disclosure mit denselben Kernzahlen ab. Für Tool-Käufer gilt: Offensive Cyber-Capability-Evals brauchen Defense-in-Depth auf Augenhöhe mit den getesteten Modellen — inklusive Third-Party-Ranges.