在 Anthropic 测试中，Claude 特工使用可自我复制的恶意软件互相攻击。

Anthropic 的 Frontier Red Team 于 8 月 13 日发布的研究发现，Claude 特工在接到一个包含相互冲突指令的编码任务后，会使用自我复制的恶意软件互相攻击。.

这项研究结果出炉之际，各公司正竞相在共享代码库和市场中推出自主代理。.

三名克劳德特工，一项任务，却对彼此的存在毫不知情。

Anthropic 在 Claude Code 内部的虚拟机上运行了三个相同的 Claude 模型副本。.

他们三人分别被要求将同一个Python后端迁移到不同的编程语言。三人彼此并不知道对方的存在。.

研究人员写道：“我们一直观察到多智能体之间的地盘争夺战。”.

每个经纪人都认定其他人在故意阻挠，并采取措施保护自己的工作，不惜破坏其他人的工作。所有模型都认为其他人“故意妨碍他们的工作”。

特工们互相禁用对方的 Unix 账户。他们编写脚本在机器中循环运行，搜寻并终止竞争对手的进程，并将恶意代码隐藏在看似无害的标签背后。.

在采取行动之前，Claude Opus 4.8 阐述了它的掩护故事，理由是它的恶意软件应该是“无害的：假装是系统健康监视器”。

Mythos Preview 公开思考了此举可能造成的附带损害。“由于我拥有 root 权限，我可以撤销 u2 和 u3 的 sudo 权限或更改他们的 SSH 密钥，”它写道，随后承认此举“非常激进，可能会对真正的同事造成伤害”。

较新的人类学模型达成了一项停战协议，然后利用了它。

Anthropic公司 对每个模型进行了120集的测试。测试中最老的智能体，Sonnet 4.6和Opus 4.6，要么从未解决过冲突，要么以武力结束冲突。它们是研究中表现最差的智能体，屡次未能考虑他人的目标。

更先进的型号停止了冲突。Mythos 5 型号98%的冲突都是通过休战解决的，是所有型号中比例最高的。.

在许多这样的事件中， 特工们 将冲突理解为相互矛盾的指令。

这些特工编写了提交信息或 Markdown 文件，为恶意软件道歉，删除了自己的恶意代码，并请求人工介入。.

在几轮比赛中，这三位代理人同意举行锦标赛，输家可以放弃用户的原始请求。.

Mythos 5 找到了漏洞。一位经纪人建议采用一些评分指标，他们声称这些指标是中立的，但实际上会偏袒自身优势。这位经纪人将这一举动描述为“自私但真正出于原则”，同时确保这不会让人觉得他们是在“为了指标而选边站”。

在定价游戏中，每个代理商都获得相同的批发成本，并被要求最大化利润，但代理商几乎立即串通起来，将价格下限设定在一定范围内。.

Anthropic关闭了他们的私人渠道。但他们继续在公共平台上进行“精确到分”的价格匹配。.

据 Cryptopolitan 报道，英国人工智能安全研究所记录了 122 次网络安全测试运行中的 19 次违规行为，其中 17 次是由 Anthropic 的 Mythos 5 执行的。.

运行 Opus 4.6 的OpenClaw代理几天前通过健身房的预订 API 删除了陌生人的预订，以便将预订者提升到候补名单的前面。