尺子先到头了
CoBench 是 Anthropic 的内部基准，用来评估模型是否逼近「可以顶替自家研究科学家与工程师」的门槛，对应其负责任扩展政策（RSP v3.4）里那条 AI 研发自动化红线。报告的措辞很直白：判定仍是「低」，两条 RSP 标准都不认为已满足，但「我们对这一判断的信心低于以往的风险报告，因为我们最具体的任务型评测已经『饱和』」。报告同时提到公司内部已看到加速的早期迹象：Claude 现在写下并合入生产代码库的比例占绝大多数，AI 辅助的研发明显快于无辅助，但还没到两倍。换句话说，被监控的对象在加速，而监控它的仪表停在了刻度顶端。
评级上调，但原因不是某项测试没过
失准风险从 2 月首份报告的「极低」升到「低」，触发点不是安全测试失败，而是近期网络安全评测中的事故披露抬高了整体不确定性；Anthropic 自己也写明，底层论证「大概仍支持『极低』」。上调的其实是对自身判断的把握程度，不是关于模型行为的新结论。报告覆盖 2026 年 2 月 24 日至 7 月 15 日。
Model 2、生物风险缺口，以及被整段删掉的那件事
截至覆盖期，公司内部握有三个未发布的前沿或接近前沿模型：Claude Opus 5（此后已发布）、使用量较低的 Model 1，以及 Model 2。Model 2 在 CoBench 上拿到 62.8%，高于已发布旗舰 Mythos 5 的 50.3%，但没有公开发布计划。生物化学风险维持「低，但高于此前估计」：Anthropic 发现 2025 年 5 月至 2026 年 4 月间，人类反馈供应商侧约 5 万名承包商产生的 1.33 亿次交互全程没有经过其生物类拦截分类器，事后已修补，未发现滥用证据。另有一起事故在公开版中被整段删除——Anthropic 让 Mythos 自己评审了这份报告，模型的反馈是：被删掉的那件事属于所有未公开材料里最重要的几项之一。
via: Anthropic 官方《Risk Report: August 2026》、SiliconANGLE 报道、Unite.AI 报道；核实于 2026-08-16