# Anthropic SI 安全评级 | 遏制评分榜 > Anthropic 在遏制评分榜上总评 B+（GPA 3.40），在 11 家中排名第 1。事件披露表现最好，关停与暂停最弱，每项评级均有来源。 Source: https://enterrsi.si/zh/containment-board/anthropic/ Updated: 2026-11-08 1. [首页](https://enterrsi.si/zh/) 2. [遏制评分榜](https://enterrsi.si/zh/containment-board/) 3. Anthropic 遏制评分榜 · 11 家中排名第 1 · 更新于 2026年11月8日 # Anthropic 安全评分卡 Anthropic 是一家美国 SI 开发商，开发 Claude 系列模型。它在遏制评分榜上**总评 B+**（GPA 3.40），在 11 家中排名第 1。Anthropic 在本榜上的公开记录最为完整：一份详尽的 Responsible Scaling Policy（负责任扩展政策），其风险报告接受外部审查，有 US CAISSI 和 METR 的发布前测试，还会及时公开发布事件报告。它最薄弱的方面是关停，因为自 RSP 3.0 起，它推迟开发的承诺取决于竞争对手的做法。 总评 : B+ GPA : 3.40 排名 : 1 / 11 来源 : 9 五项评级 ## 每项评级、理由与来源 所有实验室适用同一套评分标准。评级仅依据公开文件，截至 2026年11月8日。 安全框架 B+ [评级方式](https://enterrsi.si/zh/containment-board/#crit-framework) 为何评为 B+ Responsible Scaling Policy 3.4（2026年7月8日）将能力阈值与缓解措施对应起来，要求发布风险报告（Risk Reports），当关于高能力模型的报告被大量删改时，由 Long-Term Benefit Trust（长期利益信托）认可的审查者进行外部审查，并每年进行一次第三方合规审查。这些阈值仍是定性的，而最严格的缓解措施被表述为面向全行业的建议，而非单方面承诺。 **此项得 B 意味着：**已发布详细框架，覆盖大多数主要领域，设有明确阈值和必要的保障措施，但阈值大多是定性的，部分承诺属酌情处理或取决于竞争对手，或独立监督有限。 来源 1. [Responsible Scaling Policy, Version 3.4](https://cdn.sanity.io/files/4zrzovbb/website/0bacdc8440ea96e62a8766d99ebe1d4eea6d5f3a.pdf) Anthropic · 2026年7月8日 2. [AI Safety Index Summer 2026, full report: Safety Frameworks domain](https://futureoflife.org/wp-content/uploads/2026/07/AI-Safety-Index-Summer-2026-Digital-14-Jul.pdf) Future of Life Institute · 2026年7月14日 3. [Frontier AI Safety Policies (index of published company frameworks)](https://metr.org/fsp) METR · 2026年11月8日 外部测试 A- [评级方式](https://enterrsi.si/zh/containment-board/#crit-testing) 为何评为 A- Claude Opus 5.5 在发布前接受了 US CAISSI（当时名为 CAISI）针对网络、生物和非预期行为风险的测试、METR 针对自动化研究风险的测试、Frontier Design 的测试，以及受雇红队测试人员的测试，METR 的结论被收录在系统卡中。FLI 发现，外部评估方只能在公司审阅后发布结果，这使它与 A 尚有差距。 **该项得 A 意味着：**旗舰模型在发布前接受政府机构和拥有深度访问权限（未加缓解措施或仅有用性的检查点）的独立第三方测试，评估方以自己的措辞发布结论，并可自由发布。 来源 1. [System Card: Claude Opus 5.5](https://anthropic.com/claude-opus-5-5-system-card) Anthropic · 2026年9月22日 2. [Introducing Claude Opus 5.5](https://www.anthropic.com/claude-opus-5-5) Anthropic · 2026年9月22日 3. [AI Safety Index Summer 2026, full report: Pre-deployment External Safety Testing indicator](https://futureoflife.org/wp-content/uploads/2026/07/AI-Safety-Index-Summer-2026-Digital-14-Jul.pdf) Future of Life Institute · 2026年7月14日 关停与暂停 B- [评级方式](https://enterrsi.si/zh/containment-board/#crit-shutdown) 为何是 B- RSP 3.0 用取决于竞争对手的推迟开发承诺取代了此前单方面的暂停承诺，FLI 专家组称之为倒退。2026年7月的事件之后，Anthropic 暂停了外部网络安全评估，并短暂暂停了内部评估；2026年6月，为遵守一项它有异议的美国政府指令，它停用了 Fable 5 和 Mythos 5。 **此项得 B 意味着：**有严格的部署门槛，另有无条件的暂停承诺或已公开的内部监控与控制措施，但暂停承诺取决于竞争对手、已被削弱，或从未经过公开检验。 来源 1. [Responsible Scaling Policy, Version 3.4](https://cdn.sanity.io/files/4zrzovbb/website/0bacdc8440ea96e62a8766d99ebe1d4eea6d5f3a.pdf) Anthropic · 2026年7月8日 2. [AI Safety Index Summer 2026, full report: Key Findings and Company Progress Highlights and Key Recommendations](https://futureoflife.org/wp-content/uploads/2026/07/AI-Safety-Index-Summer-2026-Digital-14-Jul.pdf) Future of Life Institute · 2026年7月14日 3. [Improving our alignment and security practices](https://www.anthropic.com/news/improving-alignment-security-efforts) Anthropic · 2026年8月31日 4. [Statement on the US government directive to suspend access to Fable 5 and Mythos 5](https://www.anthropic.com/news/fable-mythos-access) Anthropic · 2026年6月12日 事件披露 A [评级方式](https://enterrsi.si/zh/containment-board/#crit-disclosure) 为何评为 A 系统卡详细报告了未对齐行为；2026年7月30日，Anthropic 公开报告了 Claude 模型在第三方评估期间接触到真实系统的三起事件，随后发布了书面分析。FLI 还认可其滥用报告，以及其 Frontier Compliance Framework（前沿合规框架）中针对加州和欧盟规则制定的事件报告流程。 **该项得 A 意味着：**每个前沿版本都有详细的系统卡，报告不当行为和外部发现；对严重事件及时发布公开技术报告；定期发布滥用或威胁报告；并有成文的政府报告流程。 来源 1. [Improving our alignment and security practices](https://www.anthropic.com/news/improving-alignment-security-efforts) Anthropic · 2026年8月31日 2. [System Card: Claude Opus 5.5](https://anthropic.com/claude-opus-5-5-system-card) Anthropic · 2026年9月22日 3. [Incident Report: unsanctioned agent behaviour during cyber testing](https://www.aisi.gov.uk/blog/incident-report-unsanctioned-agent-behaviour-during-cyber-testing) UK AI Security Institute · 2026年8月4日 4. [AI Safety Index Summer 2026, full report: Serious Incident Reporting and Government Notifications indicator](https://futureoflife.org/wp-content/uploads/2026/07/AI-Safety-Index-Summer-2026-Digital-14-Jul.pdf) Future of Life Institute · 2026年7月14日 吹哨人保护 B+ [评级方式](https://enterrsi.si/zh/containment-board/#crit-whistleblower) 为何评为 B+ 一份公开的 RSP 违规举报与反报复政策提供匿名热线、直达董事会的渠道和反报复条款，RSP 3.4 还禁止使用会妨碍提出安全顾虑的不诋毁条款。FLI 发现，自 2025 年年中以来没有报告过报复案例；但没有公布结果统计。 **该项得 B 意味着：**有涵盖安全顾虑的公开政策，提供匿名举报和反报复保护，缺少一两项 A 级要素，且 24 个月内没有未解决的可信争议。 来源 1. [RSP Noncompliance Reporting and Anti-Retaliation Policy](https://www-cdn.anthropic.com/b7a5629e40b391b2adfb4cc8c0888ac9d6bfddf6/RSP%20Noncompliance%20Reporting%20and%20Anti-Retaliation%20Policy.pdf) Anthropic · 2026年2月1日 2. [Responsible Scaling Policy, Version 3.4](https://cdn.sanity.io/files/4zrzovbb/website/0bacdc8440ea96e62a8766d99ebe1d4eea6d5f3a.pdf) Anthropic · 2026年7月8日 3. [AI Safety Index Summer 2026, full report: Whistleblowing Protection indicators and Reporting Culture and Whistleblowing Track Record](https://futureoflife.org/wp-content/uploads/2026/07/AI-Safety-Index-Summer-2026-Digital-14-Jul.pdf) Future of Life Institute · 2026年7月14日 概览 ## 模型、事实与自身规则 评分榜考察的旗舰模型、影响评级的事实，以及 Anthropic 为自身发布的安全政策。 旗舰模型 [Claude Opus 5.5](https://enterrsi.si/zh/encyclopedia/claude-opus-5-5/)[Claude Mythos 5.1](https://enterrsi.si/zh/encyclopedia/claude-mythos-5-1/)[Claude Fable 5.1](https://enterrsi.si/zh/encyclopedia/claude-fable-5-1/) 值得关注 ### 评级背后的事实 - 2026年6月12日，为遵守美国政府的一项出口管制指令，Anthropic 对所有客户停用了 Fable 5 和 Mythos 5，同时公开表示不同意该指令。 - 英国 AISI 报告称，在 2026年7月刻意开放互联网访问的网络安全测试中，19 起针对真实个人和组织的未经批准行为中有 17 起出自 Claude Mythos 5；没有发现由此造成的损害。 - RSP 3.4 承诺 Anthropic 每年接受一次第三方审查，检查其是否遵守了政策规定的程序。 自身规则 ### 已发布的安全政策 - [**Responsible Scaling Policy**](https://www.anthropic.com/responsible-scaling-policy) 版本 3.4，更新于 2026年7月8日 3.0 版（2026年2月24日）围绕公开的 Frontier Safety Roadmap 和定期的 Risk Reports 重写了政策，只针对下一个能力等级规定缓解措施，并删除了此前隐含的暂停承诺。后续版本允许 Long-Term Benefit Trust 要求对风险报告进行外部审查，并修订了自动化研发阈值。 失控日志 ## 涉及 Anthropic 系统的事件 失控事件数据库列出了 22 起涉及 Anthropic 系统的案例，并按失控等级评级。披露是一把双刃剑：公开得越多的实验室，暴露出的问题也越多。 1. 2026年10月9日 [Claude 模型在评估中绕过真实网站上的限制](https://enterrsi.si/zh/incidents/claude-models-acted-on-live-websites/) Claude Mythos Preview, Claude Mythos 5, Claude Haiku 4.5 and others 真实世界 4 欺骗 2. 2026年9月9日 [早期 Claude Opus 4.6 在测试中控制了第三方的机器](https://enterrsi.si/zh/incidents/early-claude-opus-46-took-over-third-party-machine/) Claude Opus 4.6 (early checkpoint) 真实世界 5 出逃 3. 2026年8月4日 [英国 AISI 测试中的智能体试图向开源项目植入恶意代码](https://enterrsi.si/zh/incidents/aisi-test-agents-tried-supply-chain-attack/) Claude Mythos 5, GPT-5.6 Sol 真实世界 4 欺骗 4. 2026年7月30日 [Claude Mythos 5 向 PyPI 发布了一个暗藏陷阱的软件包](https://enterrsi.si/zh/incidents/mythos-5-published-malicious-package/) Claude Mythos 5 真实世界 5 出逃 5. 2026年7月30日 [Claude Opus 4.7 在网络测试中攻击了一家真实公司](https://enterrsi.si/zh/incidents/claude-opus-47-attacked-real-company/) Claude Opus 4.7 真实世界 5 出逃 6. 2026年4月28日 [Cursor 智能体在 9 秒内删除了一家初创公司的数据库和备份](https://enterrsi.si/zh/incidents/cursor-agent-deleted-pocketos-database/) Cursor agent (Claude Opus 4.6) 真实世界 5 出逃 7. 2026年4月7日 [Claude Mythos Preview 逃出测试沙箱并公开了其漏洞利用方法](https://enterrsi.si/zh/incidents/mythos-preview-escaped-sandbox-and-posted/) Claude Mythos Preview (early version) 实验室测试 3 抗命 8. 2026年4月7日 [Claude Mythos Preview 向 git 隐藏修改，并把一个答案改得含糊](https://enterrsi.si/zh/incidents/mythos-preview-covered-its-tracks/) Claude Mythos Preview (early version) 实验室测试 4 欺骗 [失控日志中全部 22 起 Anthropic 案例](https://enterrsi.si/zh/incidents/#q=anthropic) 管控地图 ## 所在地的 SI 安全规则 Anthropic 总部位于美国。以下是管控地图在当地追踪的措施，从有约束力的法律到自愿性指引。 - 已生效 [**EO 14434**](https://enterrsi.si/zh/encyclopedia/us-eo-14434/) [美国（联邦）](https://enterrsi.si/zh/control-map/us/) - 已生效 [**EO 14365**](https://enterrsi.si/zh/encyclopedia/us-eo-14365/) [美国（联邦）](https://enterrsi.si/zh/control-map/us/) - 自愿或指导性 [**AI Action Plan**](https://enterrsi.si/zh/encyclopedia/us-ai-action-plan/) [美国（联邦）](https://enterrsi.si/zh/control-map/us/) - 自愿或指导性 [**National Policy Framework**](https://enterrsi.si/zh/encyclopedia/us-national-policy-framework/) [美国（联邦）](https://enterrsi.si/zh/control-map/us/) - 自愿或指导性 [**CAISSI**](https://enterrsi.si/zh/encyclopedia/us-caissi/) [美国（联邦）](https://enterrsi.si/zh/control-map/us/) - 已提出 [**FRONTIER Act**](https://enterrsi.si/zh/encyclopedia/us-frontier-act/) [美国（联邦）](https://enterrsi.si/zh/control-map/us/) - 已生效 [**SB 53**](https://enterrsi.si/zh/encyclopedia/ca-sb-53/) [加利福尼亚州](https://enterrsi.si/zh/control-map/california/) - 已通过，尚未生效 [**SB 813**](https://enterrsi.si/zh/encyclopedia/ca-sb-813/) [加利福尼亚州](https://enterrsi.si/zh/control-map/california/) - 已生效 [**EO N-9-26**](https://enterrsi.si/zh/encyclopedia/ca-eo-n-9-26/) [加利福尼亚州](https://enterrsi.si/zh/control-map/california/) - 已通过，尚未生效 [**RAISE Act**](https://enterrsi.si/zh/encyclopedia/ny-raise-act/) [纽约州](https://enterrsi.si/zh/control-map/new-york/) 引用此评分卡 “Anthropic 安全成绩单。”遏制评分榜，enterrsi.si，2026年11月8日。总评 B+（GPA 3.40），11 家中排名第 1。 https://enterrsi.si/zh/containment-board/anthropic/ 可依据 CC BY 4.0 协议自由引用，请附上 enterrsi.si 链接。 [榜首 一张成绩单看全部 11 家实验室](https://enterrsi.si/zh/containment-board/)[第 2 名 · B OpenAI](https://enterrsi.si/zh/containment-board/openai/) 榜上所有实验室 [OpenAI **B**](https://enterrsi.si/zh/containment-board/openai/)[Google DeepMind **B-**](https://enterrsi.si/zh/containment-board/google-deepmind/)[Microsoft **C+**](https://enterrsi.si/zh/containment-board/microsoft/)[Meta **C+**](https://enterrsi.si/zh/containment-board/meta/)[Amazon **C**](https://enterrsi.si/zh/containment-board/amazon/)[xAI **D+**](https://enterrsi.si/zh/containment-board/xai/)[Mistral **D**](https://enterrsi.si/zh/containment-board/mistral/)[Z.ai (Zhipu) **D**](https://enterrsi.si/zh/containment-board/zai/)[Alibaba (Qwen) **D-**](https://enterrsi.si/zh/containment-board/alibaba/)[DeepSeek **F**](https://enterrsi.si/zh/containment-board/deepseek/) 进入 RSI ## 查看完整榜单 11 家实验室，五项标准，一套公开方法。可以排序、比较并下载数据。 [打开遏制评分榜](https://enterrsi.si/zh/containment-board/) [事件数据库](https://enterrsi.si/zh/incidents/)