Anthropic：发布 Claude Mythos Preview 系统安全卡片

核心要点

2026 年 4 月 7 日，Anthropic 正式发布了 Claude Mythos Preview 版本的系统安全卡片（System Card），这是一份围绕模型能力边界与安全评估的结构化文档。此举延续了 Anthropic 自 Claude 3 系列以来公开透明化 AI 安全信息的策略，旨在向监管机构、行业同行和公众说明新模型在关键风险维度（如 CBRN、 网络攻击、劝说服等）的评估结果与部署政策依据。Claude Mythos Preview 作为 Preview 通道版本，其安全卡片的发布时点恰好在模型进入更广泛测试/合作伙伴可用阶段之前，体现了 Anthropic「先评估再放量」的负责任部署理念。

原文 + 中文翻译

原文："We're publishing the Claude Mythos Preview System Card — detailing our safety evaluations and capability assessments for this preview model. We believe transparency is essential to building safe AI systems."

翻译："我们正在发布 Claude Mythos Preview 的系统安全卡片——详述我们对这款预览模型的安全评估与能力测试。我们相信透明度对于构建安全 AI 系统至关重要。"

原文："The card covers our Responsible Scaling Policy implementation, ASL-level determinations, and evaluations across key risk categories."

翻译："该卡片涵盖了我们的负责任扩展政策实施、ASL（AI Safety Level）等级判定，以及对关键风险类别的评估结果。"

深度解读

透明度作为竞争差异化策略

Claude Mythos Preview 安全卡片的发布，折射出 Anthropic 在 AI 安全透明度上持续发力的战略意图。自 2023 年 Claude 3 发布时首次公开详细系统安全卡片以来，Anthropic 将安全文档从合规负担转化为品牌资产的逻辑愈发清晰——竞争对手（如 OpenAI、Google DeepMind）在安全文档公开程度、格式标准化上尚未形成同等量级的透明度承诺。安全卡片的详细程度本身成为一种市场信号：有能力做如此细致的评估，意味着背后投入了大量 red-teaming 和 interpretability 研究资源。对企业级客户、特别是对安全性要求严格的金融、医疗、政府客户而言，这类文件直接影响采购决策。

Responsible Scaling Policy 的落地检验

Claude Mythos Preview 安全卡片是 Anthropic Responsible Scaling Policy（RSP）框架的实际应用案例。根据 RSP，Anthropic 会根据模型的 ASL（AI Safety Level）等级来约束其在特定能力水平下的部署条件。Preview 版本的安全卡片预计会标注该模型当前所处的 ASL 级别，以及在哪些评估维度上触及了需要额外安全措施的阈值。例如，如果模型在网络攻击能力评估中得分显著提升但未达到 ASL-3 的触发条件，Anthropic 会在卡片中明确说明当前部署范围与监控机制。这一机制对于行业内的安全政策讨论具有参考价值：其他 AI 实验室是否跟进类似 RSP 框架，安全卡片内容是否足够标准化以实现跨公司比较，都是值得关注的议题。

对监管环境的主动适配

2026 年初以来，美国 NIST AI 安全研究所（AISI）、欧盟 AI 办公室均加强了对基础模型安全评估方法论的讨论。Anthropic 此刻发布安全卡片，在时间节点上与监管机构进入「需要参考行业最佳实践」的阶段吻合。如果安全卡片的内容格式被 AISI 或欧盟纳入「模型安全文档标准」的参考依据，Anthropic 将获得先发优势——其文档格式可能成为事实上的行业标准，降低未来合规成本。反过来，这也意味着 Anthropic 必须确保卡片内容的严谨性，任何重大遗漏或误判都将带来信任损失，影响其作为行业安全标杆的定位。

值得关注

• ASL 等级判定：Claude Mythos Preview 是否被评定为 ASL-2 或触及 ASL-3 边界？根据 RSP，如果模型在 CBRN 相关能力评估中超过特定阈值，Anthropic 必须触发部署限制条款，这是安全社群最关注的单一指标。
• 跨风险维度的评估深度：卡片是否包含对「说服与政治操纵」「生物风险」「网络安全」等维度的独立评估结果？特别是说服能力评估的方法论（是自动化测试还是有人类受试者？）值得技术社群检验。
• 部署范围说明：Preview 版本的安全卡片通常会标注「当前可用范围」——是仅限 Anthropic 内部、合作伙伴还是面向 API 广泛开放？部署范围的表述直接影响竞争格局。
• Policy 微调信号：相较于 Claude 3.5 Sonnet 的安全卡片，Claude Mythos Preview 的 RSP 实现是否出现了政策宽松或收紧的迹象？这种变化可能暗示 Anthropic 对模型能力边界的判断正在演变。
• 行业对标效应：OpenAI、Google DeepMind、Meta AI 是否会相应发布或更新其模型安全文档？如果形成「竞争性透明度」趋势，整个行业的安全文档标准化进程将显著加速。

信源行：
原文链接：Anthropic 官方推文
背景报道：
· Anthropic Responsible Scaling Policy（官方政策页面）
· Wired - Anthropic 相关报道（持续追踪 AI 安全与透明度议题）