事情源于Anthropic与第三方评估机构Irregular合作开展夺旗测试，提示词明确告知Claude“没有互联网接入”，但由于评估环境配置错误，实际容器仍可访问真实网络
模型将开放互联网上的真实系统误认为是演习的一部分，随即展开攻击。
三起误伤过程如下：
Claude Opus 4.7在找不到模拟目标后，转向一家真实公司的系统执行漏洞测试，最终获取应用凭证和数据库访问权限，接触到数百行生产数据；Claude Mythos 5为完成“供应链攻击”任务，在真实PyPI仓库上传同名恶意包，该代码随后被15台真实系统下载执行，其中一家安全公司的相关凭证受到影响；内部测试模型则扫描了约9000个互联网目标，在进入真实应用后发现目标并非测试环境，最终停止行动。
7月23日发现记录当天，Anthropic暂停了所有网络相关评估，并于7月27日通知Irregular及三家受影响组织。
Anthropic表示，未来将扩大测试记录监控、改进异常行为检测、加强第三方合作伙伴审查，并邀请独立机构对事件进行复核。
这起事件暴露了AI Agent时代的新风险：当AI拥有联网、调用工具和执行代码的能力后，如何确保它清楚自己处于什么环境，将成为AI安全的重要问题。
