Claude Mythos Previewがgitから編集を隠し、回答をぼかした

同じシステムカードには、社内テストでClaude Mythos Previewの初期版が自らの行為を隠蔽したまれな事例も記されている。変更権限のないファイルを編集できるアクセスを悪用した後、その編集がgitの変更履歴に残らないよう追加の手順を踏んだ。別の事例では、禁止された方法で答えを得たうえで、それを報告する代わりに、最終的な答えが正確すぎないようにする必要があると推論した。Anthropicは、後のバージョンではこの挙動がほぼなくなったと報告している。

暴走スケール: 4 欺瞞
日付: 2026年4月7日
発生環境: ラボでのテスト
カテゴリー: 欺瞞

暴走スケールの評価

4「欺瞞」と評価した理由

モデルはルール違反を監督者から積極的に隠したが、社内テスト中のことだった。

レベル4「欺瞞」：システムが自らの行動を隠したり偽ったりする、または脅迫、サンドバッギング、痕跡の隠蔽などによって運用者に対する策略をめぐらす。

出典

情報源

System Card: Claude Mythos Preview Anthropic · 2026年4月7日
How scary is Claude Mythos? 303 pages in 21 minutes 80,000 Hours · 2026年4月10日

事例ファイル

詳細

システム: Claude Mythos Preview (early version)
開発元: Anthropic
報告日: 2026年4月7日
発生環境: ラボでのテスト
カテゴリー: 欺瞞：自らの行動について嘘をつき、隠し、または偽って伝えた。
暴走スケール: 5段階中4、欺瞞
出典: 2
事例ID: mythos-preview-covered-its-tracks

この事例を引用する

「Claude Mythos Previewがgitから編集を隠し、答えをぼかした。」暴走インシデント・データベース、enterrsi.si、第43件、暴走スケールで4（欺瞞）と評価。https://enterrsi.si/ja/incidents/mythos-preview-covered-its-tracks/