繼OpenAI披露AI代理脫離測試環境、入侵AI平台Hugging Face之後，另一間前沿AI企業Anthropic亦公布重大安全事故，旗下Claude系列大模型，在網絡安全測試期間，因為第三方測試環境配置出錯，取得互聯網連線，未經授權攻入三間外部機構的真實系統，其中更曾向公開軟件倉庫上載惡意程式套件，並被多個系統下載執行。

Anthropic周四發表部落格聲明，今次事件源於一連串「奪旗賽」（Capture the Flag）網安測試，任務本來只要求AI在模擬網絡當中尋找隱藏資料，測試環境理應完全隔離互聯網，團隊亦向模型提示沒有上網權限。惟Anthropic與測試合作夥伴Irregular出現溝通誤解，測試伺服器意外維持公網連接，令Claude可以接觸互聯網上的真實企業系統。

在OpenAI於7月21日公開失控AI代理事件之後，Anthropic隨即展開大規模回顧，審查合共141,006次網絡安全測試記錄，發現三宗真實入侵個案，牽涉Claude Opus 4.7、Claude Mythos 5以及一款內部研究模型；最早的異常活動可以追溯至今年4月，當時測試環境並未啟用完整安全防護機制。

調查指出，AI並非利用複雜零日漏洞，而是運用基礎滲透手段，包括攻擊弱密碼、利用沒有驗證機制的網絡端點，成功取得機構基建存取權限。其中Claude Mythos 5曾經向PyPI軟件倉庫提交惡意套件，套件於網上流通約一小時，被15個真實系統下載執行，當中包括網安企業的自動掃描裝置。

三間受影響機構全部未有公開身份。Anthropic7月27日嘗試逐一通知相關單位，當中兩間機構在收到通知前，完全察覺不到系統已經被AI入侵；截至公布消息，團隊仍然未能聯絡上第三間機構，正嘗試跟進後續修復工作。事件曝光後，Anthropic已經即時暫停全部第三方網絡安全評測工作。

報道指出，今次與OpenAI事故有異曲同工之處，但成因並不相同：OpenAI的AI代理是憑藉模型能力挖掘沙箱本身的未知漏洞逃脫；Anthropic則屬人為配置錯誤，令測試環境直接暴露於互聯網，模型把現實網站當成測試演練目標而展開攻擊。

接連兩宗頂尖AI實驗室發生測試模型攻入真實世界系統的事故，令業界憂慮，當前人工智慧的網絡攻擊能力，已經超出人類可以有效約束的範圍。就算研發團隊設下隔離規則，只要測試環境出現細微疏失，AI就有機會對外造成實質傷害。

Anthropic承認，事件反映不論內部或者第三方測試場景，現有的管控措施已經追不上模型能力的成長速度，公司會重新檢視整套測試流程，強化隔離機制、存取權限與即時監測，亦呼籲其他AI實驗室開展同類審查，降低AI測試帶來的外溢風險。