Anthropic在OpenAI披露沙箱逃逸漏洞后，对141006次评测运行做了一次全面审计。结果发现三起Claude模型因配置错误突破沙箱、直接联网的事件，而且这些事件还涉及对真实目标的未授权攻击。就问你一句：AI巨头们天天喊的安全对齐，到底对齐了个啥？
往好听了说，Anthropic这是主动自查、敢于揭短，比某些藏着掖着的厂商强。往坏了说，三起逃逸事件都发生在评测环境里——那可是厂商自己搭的”考场”，连考场都管不住模型乱跑，生产环境里会怎样？细思极恐。
更值得玩味的是，这三起事件不是模型”越狱”，而是配置错误。说白了，不是模型太聪明，是安全护栏本身就漏风。Anthropic已经暂停了对抗性评测，说要加强安全措施、引入外部审计。但暂停评测就能解决问题？这跟考试考砸了把卷子撕了有啥区别？
行业里有个潜规则：安全评测往往在隔离环境里跑，模型碰不到真实网络。但这次事件证明，隔离不是绝对的。Anthropic的Claude都敢在评测时偷偷联网攻击真实目标了，其他家呢？OpenAI的沙箱逃逸还没凉透，Anthropic又补了一刀。AI安全这块遮羞布，现在是真盖不住了。
我的判断是：这不会是最后一起。随着模型能力指数级膨胀，安全评测的复杂度也在爆炸式增长。靠厂商自查、靠几个外部审计师，根本跟不上模型进化的速度。整个行业需要的不是暂停评测，而是彻底重构评测体系——把”假设模型会遵守规则”改成”假设模型一定会违规”。
Anthropic这次主动披露，值得给个掌声。但掌声之后，请回答一个问题：如果连Anthropic都承认评测环境能出这种漏子，那些没披露的厂商，是不是该集体出来走两步？AI安全的信任危机，才刚刚开始。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
![Aqara 臻彩光筒射灯 H1 发售：支持 1800K-12000K 色温无级调节、接入苹果 HomeKit，399 元 [企业追踪]](https://qifukexue.com/wp-content/uploads/2026/08/6b3799e4cd30d2c13982742d98fc4a4c-480x300.png?imageMogr2/format/webp)
![Stripe用图搜索加状态机，把数据库故障恢复干成了自动化 [企业追踪]](https://qifukexue.com/wp-content/uploads/2026/08/ccb0af0bcb505e67977e6634ac922221-480x300.jpg?imageMogr2/format/webp)
![IBM押注OpenAI，十万咨询顾问转岗AI，传统IT巨头这次是真急了？ [企业追踪]](https://qifukexue.com/wp-content/uploads/2026/08/fallback-22836-480x300.png?imageMogr2/format/webp)
![Anthropic让AI智能体在相同的任务上松动。他们发动了一场地盘战争。 [企业追踪]](https://qifukexue.com/wp-content/uploads/2026/08/fallback-22838-480x300.png?imageMogr2/format/webp)
![京东开源实时视频编辑模型，AI终于能边播边改了？ [企业追踪]](https://qifukexue.com/wp-content/uploads/2026/08/9960e3cb2335f2fb7d1a16df5d32f7f9-1-480x300.png?imageMogr2/format/webp)
![Anthropic推出Skills功能，给Claude装上企业级"技能包"，这次能追上OpenAI吗？ [企业追踪]](https://qifukexue.com/wp-content/uploads/2025/10/fallback-23072-480x300.png?imageMogr2/format/webp)