Anthropic risk report raises misalignment risk to low, details stronger internal Model 2

Coverage timeline

1. Techmemelast week
   Risk report: Anthropic raises misalignment risk estimate from very low to low and says it doesn't plan to release a stronger internal model called "Model 2" (Madison Mills/Axios)

   Madison Mills / Axios : Risk report: Anthropic raises misalignment risk estimate from very low to low and says it doesn't plan to release a stronger internal model called “Model 2” — Anthropic does not plan to release an internal model that appears to be more powerful than top-of-the-line Mythos …

   
2. 机器之心机器之心last week
   刚刚，Anthropic报告泄露Model 2，比Mythos 5更强的内部模型

   编辑｜Panda 刚刚，Anthropic 发布了自家的第二份《 风险报告（Risk Report） 》，共 186 页，信息量巨大。 其中最惹眼的一个关键词是 Model 2 ，这是一个能力超过 Claude Mythos 5、尚未向公众开放，却已经在 Anthropic 公司内部大量使用的模型。 Anthropic 表示， Model 2 已被大量用于编码、数据生成和其他智能体任务，也广泛参与研究与工程工作 ，既有人机交互式使用，也有持续运行的智能体部署。它与 Mythos 5 并列为公司截至 7 月 15 日能力最强、内部使用最多的两个模型。 但我们能知道的也仅止于此。报告没有公布 Model 2 的参数规模、训练成本、上下文长度和架构，没有解释它与 Mythos 5 是否共享权重或训练路线，甚至没有说明「Model 2」究竟是内部真实代号还是临时标签。能够确定的是，报告把它归为「Mythos-class model」，称它 在部分领域强于 Mythos 5、部分领域稍弱，但总体略强 。 Anthropic 目前「没有对外发布它的计划」。这句话也明示了一种正在形成的新常态：前沿模型的真正能力边界，可能先存在于实验室内部，深度参与下一代模型的研发，却不再与面向消费者的产品线重合。 下面我就来具体看看这份报告的内容。 报告地址：https://www-cdn.anthropic.com/f61d49fa5596956a5dec75fea0e973bf6a6a8378/Redacted%20Risk%20Report%20August%202026%20.pdf Model 2 到底有多强？ Anthropic 对 Model 2 的定性比较克制。报告称，它在许多与内部工作有关的任务上，相比 Mythos 5 是一次「明显改进」，但进步幅度没有从 Claude Opus 4.6 跳到 Mythos Preview 时那么大。由于它没有完成通常面向外部部署的全套评估，Anthropic 也承认，对其能力判断的信心低于公开模型。 Anthropic 在报告中给出了两个内部指标，应该值得一看。 第一个是 CoBench。这是一套由 449 个真实 Anthropic 研发问题组成的内部评测：模型被放回某个历史时间点，只能查看当时的代码库、日志、内部消息和文档，然后寻找后来