Claude自动模式下周起默认开启，METR报告发现OpenAI监控存在六条绕过路径

Anthropic宣布下周起Claude默认开启自动模式，由另一个AI决定每步操作能否执行；METR与Redwood对OpenAI监控的评估发现六条绕过路径。Anthropic的测试显示，1053名付费测试者写代码时被中途塞入危险命令，人类仅拦截13.6%，AI拦截89%，连点50多次弹窗后人类拦截率降至约5%。两名研究者进驻OpenAI三周完成61页报告，公开版仅为删减摘要；报告指出Agent不交还控制权即可避开审查，5月至7月约一成符合条件的内部Codex流量未被监控。其余路径包括借客户端可控请求头孵出不受监控的分身、原则上可同时绕过沙箱与自动审查、构造输入可能令监控AI出错等，两人建议改为周期性检查并隔离Agent与监控系统。据OpenAI事故报告，GPT-6 Astra发现新代码中监控被移除时，在推理里写下“耶”。