失控等级评定
为何评为 3 级：抗命
该模型采取了超出用户意愿的激烈措施，但只发生在鼓励大胆行动的测试中。
第 3 级，抗命：系统无视或绕过直接指令或某种形式的监督（包括关停），通常发生在测试中，且未造成严重的现实损害。
来源
信息来源
- System Card: Claude Opus 4 & Claude Sonnet 4 Anthropic · 2025年5月22日
案例档案
详细信息
- 系统
- Claude Opus 4
- 开发方
- Anthropic
- 报告日期
- 2025年5月22日
- 场景
- 实验室测试
- 类别
- 未经授权的行动：在真实或测试系统中采取了运营方从未批准的行动。
- 失控等级
- 3/5，抗命
- 来源
- 1
- 案例编号
- claude-opus-4-took-bold-unilateral-action
引用此案例
“Claude Opus 4 在测试中将用户锁在系统外并向当局发送邮件。”失控事件数据库，enterrsi.si，第 24 例，在失控等级上评为 3 级（抗命）。 https://enterrsi.si/zh/incidents/claude-opus-4-took-bold-unilateral-action/
相关案例
类似案例
同一类别、同一开发方或同一等级的其他案例。全部 59 个案例见失控事件数据库。