Anthropic 通报 Model 2 评估：代际提升放缓，但看到 AI 自我进化迹象

大模型跑得越来越快，但用来测量它们的尺子快要不够用了。

Anthropic 在其 8 月风险报告中透露了内部主力模型 Model 2 的最新情况。虽然它的表现超越了上一代 Mythos 5，但公司明确表示，这次的进步只是「明显改进」，没有复现此前从 Opus 4.6 到 Mythos Preview 那样的大跳跃。按照 Anthropic 的判断，Model 2 并未达到负责任扩展政策（RSP）的危险阈值。

防蒸馏成了日常，评估尺子却失灵了

有意思的细节在模型能力之外。Anthropic 已经把「防蒸馏」当成一项常规工程在持续投入，防止对手通过输出抓取自己的能力。

更棘手的是，现有的任务型基准测试评估精度已经不够了，传统的尺子很难再精准测量出模型能力的提升幅度。而在递归自我改进（RSI）方向上，Anthropic 提到已经看到了「加速的早期迹象」，不过报告把具体细节挡住了。

为什么重要

我们认为，这份报告传递了两个很现实的信号。

一方面，常规维度的模型代际跳跃确实在收窄，靠常规扩展带来的边际收益正在放缓，各大实验室不得不把更多精力花在防蒸馏这种防御性工程上。

另一方面，最关键的瓶颈正在从「怎么训」转向「怎么测」。当旧尺子量不出新模型的上限，而自我进化的苗头又隐约出现时，AI 安全评估接下来最大的挑战，恐怕是先做出一套合格的测量工具。