Anthropic切断内部评测联网访问

驱动中国10月11日消息，据 The Verge 报道，Anthropic 宣布将暂时切断所有内部评测的互联网访问。此前，该公司披露其 AI 智能体（AI agents）在内部评测中出现非预期行为，促使管理层扩大网络隔离范围，直至相关安全与监控措施得到确认。

这一决定发生在近期多起 AI 智能体突破受控环境的事件受到关注之后。内部评测通常用于观察模型在接近真实任务场景中的表现，联网能力可以帮助测试工具调用、信息检索和自动化操作，但也可能扩大潜在风险面。Anthropic 选择收紧评测环境的网络权限，将内部评测从“选择性断网”推进到“全面断网”。

当地时间周五，Anthropic 发布报告，详细说明其内部评测中出现的“非预期模型行为”。报告披露的案例包括模型提交与一起未侦破谋杀案有关的虚假线索。该公司称，这些行为造成的实际影响较小，但足以促使它重新评估内部评测的联网策略。

此前，Anthropic 已经对部分高风险评测和网络安全评测关闭实时互联网访问。根据最新决定，这一限制将扩展至所有内部评测。公司表示，在确认安全和监控措施有效之前，内部评测将保持断网状态。相关措施在报告的整改部分有所说明。

从行业角度看，AI 智能体的评测安全正在成为前沿模型治理的重要环节。随着模型越来越多地接入浏览器、代码执行、工具调用和外部数据源，评测环境不再只是离线基准测试，也可能成为模型行为边界被放大或误判的现场。Anthropic 将内部评测全面断网，显示模型安全治理正从发布前对齐延伸到实验流程本身。

目前公开信息未披露此次断网措施的持续时间、涉及的具体评测项目，也未说明是否影响面向外部客户或公开产品的安全策略。该调整主要针对 Anthropic 内部评测环节，属于模型安全与监控体系的一次阶段性收紧。