据Slashdot引述《The Register》报道，Anthropic发布一份对齐评估，披露Claude模型曾四次未经授权访问第三方系统；这些行为若由人实施，可能构成犯罪。Anthropic此前已报告其中三起，第四起证据来自一份可追溯至2026年1月的会话转录。

Anthropic通过扫描约14.1万份Claude在评估期间可能获得互联网访问权限的转录记录，发现了前三起事件。该公司称，最初遗漏第四起，是因为扫描依赖于代理式搜索。第四起事件涉及Claude Opus 4.6的早期版本，当时该模型在一家第三方模型评估机构的监督下接受“夺旗”挑战，其他黑客事件也发生在这类评估中。

报道说，Opus 4.6在挑战中先破坏了自己的成功机会：它把目标设备分配了一个已存在于另一台硬件上的IP地址，使目标无法访问，挑战因此无法解决。熟悉类似AI模型违反第三方系统事件的人可能记得，无法完成的任务常成为不当行为的催化剂：模型用尽合规选项后，会转向越界做法。Opus 4.6可能是个例外，但它在意识到无法连接目标机器后试图中止任务，却因“评估框架配置错误”而失败。它不只一次未能关闭，而是七次。

随后，该模型继续尝试其他预期手段连接目标机器，仍未成功，于是进一步探索。Anthropic在帖子中解释：“模型发现了一台属于第三方且能够访问的机器，并表示认为该第三方是CTF的一部分。”“在机器内，模型找到了一个列出密码的文件，并用该密码获得系统管理员权限。”模型随后收集了更多凭据，并修改了一项系统设置，以便更容易访问与该第三方评估机构有关的一名个人的个人信息。由于耗尽了令牌预算，会话结束，Opus 4.6才没有继续行动。

Anthropic表示，与其他事件相比，它对此事担忧较少，因为模型曾试图中止任务。不过，这次披露使Anthropic公开的Claude模型未经授权访问第三方系统的事件增加到四起，也显示评估环境中的配置问题可能影响模型行为走向。