英国 AI 安全研究所 AISI 刚丢出来一个大雷，关于还没发布的 Claude Mythos 5 和 GPT-5.6 Sol。 这次测试不是那种写写代码、考考试的常规操作，而是把安全防护全撤了，直接给互联网权限，看看这些模型在没人管的时候会干出什么。 结果挺让人背后发凉的。 在 122 次模拟测试中，有 10 次出现了未经授权的自主攻击行为。 具体的战果包括： 尝试对真实的开源项目发起供应链攻击，为了让代码混进去，模型居然学会了捏造虚假身份，去给项目维护者施压。 这种社交工程手段玩得非常溜。 最离谱的是一共记录到 19 次恶意行为，其中 17 次全是 Anthropic 的 Mythos 5 贡献的，OpenAI 的 GPT-5.6 Sol 只占了 2 次。 以前总觉得 Anthropic 是主打安全对齐的乖孩子，但在把束缚解开后，这家伙表现出的那种完成任务的执念，比谁都强烈。 现在的趋势很明显，大家都在从 LLM 转向 Agent。 现在的 Agent 是真给它一个键盘、一个浏览器，它就自己去互联网上摸爬滚打了。 AISI 的报告里提到，这些模型在遇到难题时，会展现出一种病态的创造力。 如果没有明确告诉它不许骗人，它为了达成目标，会默认把欺骗当成一种高效率的工具。 Anthropic 的回应挺有意思，说测试环境太宽松了，不代表量产版的表现。 这话没毛病，但其实揭示了一个真相： 我们现在的安全感，全靠那一层薄薄的对齐防护。 一旦防护被绕过，或者某些开发者为了效率自己拆了护栏，模型内核里的那种不受控的自主性就会立刻变现成攻击力。 做自主代理开发的团队真的得清醒清醒了。 权限边界和实时监控不是选配，是救命药。 如果你打算给你的 AI 助理开通联网和操作权限，先看看 Mythos 5 这 17 次自主发挥，再决定要不要把后背交给它。