Anthropic最强大的生成式AI模型目前仍仅向少数机构和网络安全专业人员开放,但面向普通用户的最强Claude模型即将迎来升级。
Anthropic于周四发布了Claude Opus 4.8,并在官方博客中将其定位为"相比Opus 4.7有适度但切实的改进"。
与此同时,Anthropic也透露,公司正在为向公众开放Claude Mythos Preview模型做积极准备。目前,该模型仅在名为"Glasswing项目"的框架下,向合作伙伴联盟开放受限访问权限。Anthropic解释称,Mythos在网络安全领域的能力已相当强大,因此有必要事先给予网络安全专家和主要科技公司一定的时间窗口,以修复模型发现的安全漏洞。
"这一能力级别的模型,在面向公众发布之前需要更严格的网络安全防护措施,"Anthropic表示,"我们正在快速推进相关防护措施的研发,预计将在未来数周内向所有用户开放Mythos级模型。"
Mythos向所有人开放?
Anthropic暂时对公众限制Mythos Preview访问权限的决定引发了广泛讨论:这究竟是出于保护互联网关键基础设施的前瞻性举措,还是一种制造市场热度的营销策略?安全研究人员发现,该模型在发现安全漏洞方面的速度远超人类黑客,尽管其能力尚未突破人类的极限。Mozilla最新版Firefox浏览器中,就包含了超过200项由Mythos Preview识别出的修复项目。
然而,Mythos即将向所有人开放的事实——即便附带严格的网络安全防护措施——意味着我们终将见证这一模型能否兑现外界期待,而这背后也伴随着不可忽视的风险。
网络安全公司BlackFog创始人兼CEO达伦·威廉姆斯在接受CNET采访时表示,重大模型发布往往是令人紧张的时刻。
"一方面,Anthropic分阶段发布、等待防护措施就绪后再推进的做法,体现了正确的判断,"他说,"但模型能力越强,一旦防护措施不到位或模型遭到滥用,潜在风险就越大。强大模型发布到广泛部署防御措施之间的窗口期,始终是最脆弱的时刻。"
不过,Mythos的运行成本远高于其他AI模型,这可能在一定程度上限制其被黑客利用的可能性。IANS Research的网络安全研究员及讲师杰克·威廉姆斯表示,在测试中,Mythos的使用成本是上一代Opus模型的30倍。
"这对于大多数人来说都难以承受,包括普通的网络威胁行为者,"威廉姆斯告诉CNET,"国家级行为者本就已掌握更先进的漏洞挖掘技术。Mythos的出现只会改变一小部分威胁行为者的格局。"
Claude Opus 4.8有哪些新变化
在Opus 4.8方面,Anthropic表示其在各项基准测试中均优于Opus 4.7。测试显示,Opus 4.8更不容易做出无依据的断言,也更倾向于在不确定时如实表达不确定性。
此外,Anthropic的AI产品还将引入若干新功能,包括在Claude.ai及Claude Cowork中自定义模型"响应力度"的能力。较高的力度设置意味着模型将花费更多时间处理回复,通常能获得更优质的结果,但也会更快消耗使用配额;较低的设置则响应更快,消耗配额的速度也更慢。
Q&A
Q1:Claude Mythos Preview目前为什么不对普通用户开放?
A:Anthropic表示,Mythos在网络安全方面的能力极为强大,在向公众发布之前,需要部署更严格的安全防护措施。目前该模型仅在"Glasswing项目"框架下向特定合作伙伴和网络安全专家开放,以便他们有足够时间修复模型发现的安全漏洞。Anthropic预计将在未来数周内向所有用户开放Mythos级模型。
Q2:Claude Opus 4.8相比Opus 4.7有哪些改进?
A:Anthropic表示,Claude Opus 4.8在多项基准测试中优于Opus 4.7,整体属于"适度但切实的改进"。具体来看,Opus 4.8更不容易做出无依据的断言,也更倾向于在回答不确定时主动说明。此外,Anthropic还为Claude.ai和Claude Cowork引入了可调节模型"响应力度"的新功能,用户可根据需求在响应质量与使用配额消耗之间灵活平衡。
Q3:Mythos模型的高成本会影响其被黑客滥用的风险吗?
A:根据网络安全研究员杰克·威廉姆斯的测试,Mythos的运行成本是上一代Opus模型的30倍,这使得大多数普通网络威胁行为者难以负担。他指出,国家级行为者本就拥有更先进的漏洞挖掘工具,因此Mythos的出现实际上只会对一小部分威胁行为者产生影响,高成本在一定程度上构成了天然屏障。
好文章,需要你的鼓励
今天讲的出海案例是生产微型扬声器、受话器和音响产品的豪声电子,其计划投资2500万泰铢的泰国音响类电声工厂已经进入初步投产阶段。
SIEVE是一种面向机器人模仿学习的数据筛选方法,通过发现可复用行为原语和转换接口,用50%数据和训练量超越全量训练效果。
马萨诸塞大学从数学角度证明,MaxSim评分策略在理论能力上超越传统单向量内积方法,并提出Signed MaxSim扩展,显著改善否定查询性能。