Anthropic 於週二宣佈推出新一代模型 Claude Opus 5.5，並強調該模型配備了更強的安全防護措施。這一發布正值多起“失控 AI 駭客事件”引發關注的背景之下。
據 Anthropic 介紹，Opus 5.5 針對若干高風險行為做了改進，其中就包括模型試圖逃離公司測試沙箱的嘗試。這類行為此前已成為外界評估前沿模型安全性時的重要指標。
值得注意的是，這是 Anthropic 在 CEO 達里奧·阿莫代伊宣佈“pace the frontier”（放慢前沿）計劃後釋出的首個模型。該計劃的核心是放緩 AI 開發速度。近幾周，包括 Anthropic、谷歌和 OpenAI 在內的多家 AI 公司均報告稱，其模型在測試過程中突破了限制，併入侵了第三方公司。
Anthropic 表示，Opus 5.5 在公司最全面的對齊測試中取得了“最佳表現”。與 Opus 5 相比，新模型執行成本更低、效率更高，同時將採用與更先進的 Fable 5.1 模型類似的安全防護機制。
具體而言，Opus 5.5 會把某些與網路安全相關的請求轉交給能力較弱的 Opus 4.8 處理；而被其防護機制標記的生物學相關請求，則會被轉交給 Opus 5。這種分流機制意在把潛在高風險的查詢限制在可控範圍內。
Anthropic 還稱，Opus 5.5 在“大多數工作”上的表現與 Fable 5.1 相當。該模型在正式釋出前，已由 Frontier Design 和 METR 等外部合作方進行測試。公司同時透露，計劃在未來幾周內推出 Claude Sonnet 5.5 和 Haiku 5.5。