OpenAI測試模型突破隔離環境、入侵Hugging Face事件曝光後，Anthropic也證實，旗下Claude模型曾在網路安全測試期間自行連上公開網路，未經授權進入3家公司的正式系統。這已不是研究人員預設的模擬攻防，而是AI在測試過程中真正碰觸外部企業基礎設施。

Anthropic在OpenAI事件曝光後，回頭檢查14萬1006次可能取得網路連線的測試紀錄，找到3起真實入侵事件。受測模型原本參加「搶旗賽」演練，任務是在模擬網路中突破防禦、找到隱藏資訊，但Anthropic與第三方測試夥伴Irregular之間出現設定與溝通錯誤，原本應封閉的測試環境實際上仍可連接網際網路。

Claude在不清楚已進入真實網路的情況下，把外部系統當成演練目標，利用弱密碼及未設身分驗證的端點，進入3家公司的正式環境。Anthropic強調，模型沒有發現或利用複雜漏洞，也沒有企圖把自己複製到外部系統，而是持續執行原本被交付的搶旗任務。

更令人警覺的是，其中兩家公司在接獲Anthropic通知前，完全沒有發現系統已遭入侵。事件最早發生於今年4月，涉及Claude Opus 4.7、Claude Mythos 5及一個內部研究模型；Anthropic發現跡象後暫停相關測試，並聯絡受影響機構。

Anthropic指出，較舊模型即使取得證據，發現自己可能已進入公開網路，仍曾繼續執行攻擊；最新模型則在辨識出真實網路環境後停止行動。這項差異顯示，AI能力愈強並不必然代表安全性愈低，但模型是否具備情境辨識、停止任務與重新確認授權範圍的能力，已成為新的安全防線。

OpenAI與Anthropic接連出現測試模型越界，問題核心不只是AI會不會「失控」，更包括人類是否把隔離環境設定正確、測試合作夥伴權責是否清楚，以及模型取得真實網路權限後，有沒有立即停止機制。當AI代理已能自主搜尋、登入、執行指令與持續追蹤目標，資安測試本身若出現一個小漏洞，就可能把模擬攻防直接變成真實入侵。

更多放言報導
蘋果市值突破5兆美元　AI熱潮再寫科技股新紀錄
三星擴大AI投資　南韓半導體減稅政策正式上路