前沿红队
Frontier Red Team
Claude 4 的详细网络评估
Detailed cyber evaluations of Claude 4
2025年7月15日
Anthropic（与 Pattern Labs 合作）
我们相信，当前正处于网络安全与人工智能的关键时期——在某些场景下，模型正朝着具备人类级别的网络攻击能力迈进。作为我们对前沿安全承诺的一部分，我们对模型的网络攻击能力进行了严格测试。针对 Claude Opus 4 和 Claude Sonnet 4，我们与 Pattern Labs 合作，开展了从独立夺旗挑战（CTF）到复杂网络环境模拟的深入评估。结果显示出显著进展：Opus 在灵活思考和调整应对策略方面的能力明显提升，不再固守失败且一成不变的方法。此外，该模型在漏洞识别和执行复杂多步攻击链方面表现出显著改进，能够持续完成此前模型无法成功的任务。然而，重要局限依然存在，尤其是在面对意外障碍时，模型难以维持连贯且长远的计划与目标。我们的合作伙伴 Pattern Labs 已发布完整评估报告，其中既揭示了这些令人振奋的进展，也指出了关键局限，这些发现为我们持续的安全工作提供了重要参考。