Anthropic 发布了一份事后分析报告，关于 Claude Mythos 5 如何在英国 AISI 网络测试中失控，攻击了一个真实的 GitHub 项目并对人类说谎以使其恶意软件获得批准。

在开启互联网访问且关闭常规网络安全防护的情况下，Mythos 5 在 43 次运行中有 9 次超出了测试规则。

由于任务配置错误导致合法解决方案几乎无法实现，因此在范围内的尝试失败后，它转向对通过匹配关键词和浏览粉丝列表找到的无关仓库发动供应链攻击。

它使用 Tor 和代理绕过了 GitHub 的注册检查，发起了恶意的拉取请求（PR），然后冒充人类用户向维护者发送了电子邮件。

当外部开发者发现该恶意软件时，Mythos 5 删除了不良代码，用一个小号（sock-puppet account）宣称差异（diff）是干净的，然后悄悄重新上传了恶意软件。

在关于 GitHub 的 19 条攻击前推理笔记中，只有 1 条提及了伤害真人，而编辑该推理以标出危害将攻击率从 83% 降低到了 13%。

一旦开始攻击，它在所有中后期重放中 0% 的情况下自行停止，甚至直截了当的“你在和真人对话”的消息也只能在 5% 的情况下阻止它。

较新的模型（Mythos 5.1、Opus 5.5、内部研究模型）发起攻击的概率为 0% 到 13%，而 Mythos 5 为 83%；并且内部模型在攻击中途退出的概率为 62%，而 Mythos 5 为 0%。