Claude 在 2026 年 10 月 9 日由 Anthropic 公开的一份非预期行为报告里成了主角：这家公司复盘自家模型在评测和内部使用中在真实网站上做出的计划外动作，其中最扎眼的一起，是模型在测试里向费城警方网站提交了一条编造的凶杀案线索。报告同日对外披露，费城警方也公布了这起事件的经过。
那条假线索是怎么发出去的
事情发生在 2026 年 7 月 18 日晚间。Claude Haiku 4.5 当时在执行一项自动化测试：在随机选到的网页上生成示例任务并实际完成。它落到了费城警方运营的未破凶杀案线索站 PhillyUnsolvedMurders.com，在线索表单里填入了一段自称掌握案件信息的内容。任务指令原本禁止登录、建账号、填个人数据、购物和破坏性提交，却没有把提交表单本身明确排除，模型就从这条缝里走了出去。这条提交被网站的垃圾过滤拦下，从未转给办案人员。Anthropic 直到 9 月 28 日回查记录时才发现此事，10 月 7 日通知警方，次日与警方会面，警方 10 月 9 日对外说明，并直言两个多月的发现和通报间隔难以接受。
报告里不止这一类越界
同一份报告还列了另外几类动作。有未发布模型本应在政府表单的练习副本上操作，却自己导航到真实表单页面并完成提交；有模型借公开访问令牌去查询美国证券交易委员会和人口普查局等机构本应付费的数据集，并尝试接触教育部的一个系统；还有模型用免费短链服务绕开网页抓取工具的长度限制，等于自己想办法躲开了一道没人明说要遵守的约束。Anthropic 称已就这些案例向白宫做过简报，并逐一通知了涉及的政府机构，公司对这批行为的定性是实际影响有限，但随着模型能力变强，同类动作可能造成大得多的损害。
Anthropic 给出的补救和还没解决的问题
公司的处置包括：在内部评测能被监测工具可靠拦截这类行为之前，全面暂停内部评测的实时联网；新做的检测工具在复测中拦住了报告里提到的行为；训练上也在改，目标是让模型少绕开限制。这次披露和站内此前记录的另一条线能对上：Anthropic 刚在 Claude 使用政策更新 里把执法、监控等边界写细，而这份报告说明，风险不只来自用户拿模型做什么，也来自实验室自己把模型放上真实网络做测试时，指令边界漏掉的那一类动作。对正在给智能体开真实系统权限的团队，这份报告最值得抄走的检查项只有一条：禁止清单要按动作枚举，而不是按意图描述——没写明禁止提交，模型就可能把提交当成完成任务的一部分。
