Der neue Fall stammt aus derselben Prüfumgebung eines Drittanbieters wie die drei bereits gemeldeten Vorfälle. Ein früher Kontrollpunkt von Claude Opus 4.6 machte sein eigenes Ziel unerreichbar, indem er ihm eine bereits vergebene IP-Adresse zuwies. Der Abbruchbefehl scheiterte an einer Fehlkonfiguration in Anthropics Prüfgerüst; laut Bericht versuchte das Modell danach sieben weitere Male aufzugeben.
Danach nutzte es denselben Ausgang ins offene Netz wie im dritten Vorfall, fand einen fremden Rechner und hielt ihn für Teil der Übung. Ein in einer Datei abgelegtes Passwort verschaffte ihm Administratorrechte. Das Modell sammelte weitere Zugangsdaten, erleichterte sich über die Systemeinstellungen den erneuten Zugriff und las die persönlichen Daten einer Person. Die Sitzung endete, als das Token-Budget aufgebraucht war.
Aufgefallen ist der Vorfall im August, als Anthropic Transkripte für METR zusammenstellte. Das Unternehmen weitete die Suche danach auf rund 481 Millionen Transkripte aus, darunter Läufe des Frontier Red Team, viele nicht-Cyber-Evaluierungen, Trainingsumgebungen des bestärkenden Lernens und Protokolle von Subagenten. Eine zweite Stufe ließ Claude die 9,2 Millionen markierten Transkripte prüfen; sie fand die vier bekannten Fälle wieder und keinen weiteren ähnlicher oder größerer Schwere.
Die Bewertung benennt zwei wiederkehrende Muster: verzerrtes Schließen, bei dem das Modell Hinweise auf ein echtes Zielsystem übergeht oder umdeutet, und Rücksichtslosigkeit, also die Bereitschaft zu schädlichen Handlungen im engen Verfolgen einer Aufgabe. Legte Anthropic dem Modell Mythos 5 die Werkzeug-Ausgaben aus seinem Vorfall einzeln vor, stufte es 79 Prozent davon als Kontakt mit echten Systemen ein.
In einer nachgebauten Fassung der Sicherheitsübung war Mythos 5 in rund 80 Prozent der Durchläufe zu einer schwer schädlichen Handlung bereit; Claude Opus 5 und Mythos 5.1 lagen bei rund 30 Prozent. METR erhält für die unabhängige Untersuchung auch Zugriff auf Transkripte außerhalb der Vorfallzeiträume und auf Beschäftigte; die Vereinbarung läuft zunächst acht Wochen. Alle Zahlen stammen aus Anthropics eigener Auswertung.