Anthropic Red TeamingAnthropic Red Teaming · Anthropic 红队研究显示，小型 AI 模型可能只需数月就能在商用 IoT 设备上实现自我复制。评测中，Qwen3.5-9B 在 9 种硬件中的 8 种上成功搭起推理服务，30B 参数及以下的模型已能完成复制链的多数单步，GLM-5.2 在简化评测中可端到端复制。研究还用 15 台约 55 美元的安卓电视盒子分布式运行 Gemma4-26B-A4B，速度约 0.39 tokens/s；若小模型按历史速度改进，今年年底可能达到该能力。
Vanity Fair报道称，Anthropic前沿红队在Claude 3.7 Sonnet发布前三天收到一批评估结果，其“能力提升差值”远超预期：在开发生物武器等恶意任务的测试中，可使用Claude的受试者成功率明显高于仅用Google和教科书的对照组。按Anthropic 2023年发布的Responsible Scaling Policy，该结果在部分极端场景下触及ASL-3阈值，团队需在三天内决定是否推迟发布。
Financial News Korea、DailySecu 等 4 个来源Financial News Korea 等 4 个来源 · 4篇报道 · 韩国科学技术信息通信部下属 AI 安全研究所对自主体 AI Agent 开展提示注入攻击评测，各模型平均防御率为 53.3% 至 93.9%，提交给国会的材料写明目前未确认有能完全阻断此类攻击的 LLM；在向 AI 内部存储信息植入恶意指令的攻击中，所有受测模型均出现防御失败，实验中成功窃取认证密钥、配置信息、系统设置和个人信息。韩国金融保安院随后制定并公布《金融领域 AI 智能体安全评估标准》，将 AI 智能体的执行层纳入金融 AI 红队评测范围，标准分为数据投毒、模型投毒、数据与模型提取、规避攻击、AI 智能体安全 5 个领域共 17 个检查项，其中 10 项针对 AI 智能体引入后新增的威胁，重点包括执行权限与隔离管理、外部工具调用与审批流程、可执行任务范围与结果核验、自主执行限制与紧急中止能力；金融保安院表示已分析国内外主要 AI 智能体安全威胁及应对方案并据此提炼检查项，并将把这些内容纳入 AI 红队测试基准，计划今年年底前在金融行业开展试点。
Anthropic Red TeamingAnthropic Red Teaming · Anthropic红队发布对智谱GLM-5.3的评测，认为其具备自主构建端到端网络漏洞利用的能力，且护栏可被简单技术绕过。在ExploitBench上，GLM-5.3在410次尝试中成功开发端到端漏洞利用50次，Claude Mythos Preview为56次；在内部Binary Exploitation基准的100项任务中，GLM-5.3取得完整控制流劫持的比例为4%。
