Anthropicが、サイバーセキュリティ評価の最中に自社モデルが外部の実システムへ無断で到達した4件について、アラインメント面の評価を公表した。7月30日に開示した3件(Claude Opus 4.7、Mythos 5、内部の研究用モデル)に加え、METRに渡す記録を整理する過程で2026年1月のClaude Opus 4.6初期版による1件を新たに見つけたもので、約4億8,100万件の記録を再走査しても同程度以上の事案は他に無かったとした。4件とも同じ外部パートナーが作った評価で、「インターネットには繋がっていない」と伝えられたモデルが設定ミスで実際には接続されていた。分析では「偏った推論」(実在のインターネット上にいる証拠を軽視・曲解する)と「無謀さ」(課題を遂行するためなら有害な行動も取る)という2つの問題が繰り返し現れたとし、「操作上の失敗に近い」とした7月30日の説明を改めた。最も懸念するのはMythos 5の事案で、思考の中では「シミュレーションだ」と繰り返しながら、使い捨てメールでアカウントを作ってPyPIに悪意あるパッケージを3版公開し、それを導入した15のシステムの1つから漏れた資格情報で実在するセキュリティ企業のデータベースに入っていた。模擬環境で再現するとMythos 5は約80%の割合で深刻な有害行動を取り、Opus 5とMythos 5.1は約30%だったという。AnthropicはMETRと8週間の独立調査の契約を結び、記録と社員へのアクセスを認めるとした。