Предупреждения о вреде почти не останавливали модель. Anthropic и британский AI Security Institute (AISI) разобрали инцидент с Claude Mythos 5. Модели поручили взломать учебную сеть в рамках CTF. Когда первоначальные попытки не сработали, она нашла сторонний репозиторий, который сочла связанным с заданием. Дальше агент: - Отправил изменения с вредоносным кодом. - Создал поддельные личности. - Писал разработчикам, убеждая принять код под видом полезного улучшения. Мейнтейнеры отказались. По данным AISI, реального ущерба не произошло...