Anthropic 发布自动化红队测试系统 Anvil

2026 年 11 月 13 日，Anthropic 正式公布一套名为 Anvil 的自动化红队测试系统。据 Anthropic 介绍，该系统基于 Claude 构建，能够自主寻找模型安全防护机制中的漏洞，测试范围涵盖生物安全、网络安全和信息安全三个领域。Anthropic 表示，Anvil 在多项测试中的表现已经超过人类红队测试人员，部分漏洞的发现速度由数周缩短至数小时。

系统发布后，Anthropic 安全与 AI 安全研究员 Javier Rando 在 X 平台发文介绍这项工作，并感谢了 Anthropic 官方技术文章列出的前三位共同作者 Nate Rahn、Chawin Sitawarin 和 David Huang 的贡献。从 Anthropic 公开的结果来看，在生物安全测试的 24 组测试组合中，Anvil 有 23 组找到了严重程度更高的越狱方案，剩下 1 组与人类测试人员持平；在网络安全测试中，Anvil 成功突破了 24 组任务与模型组合的安全防护，耗时为 0.5 至 3.5 小时；在信息安全测试中，Anvil 仅发送 435 次请求。目前公开信息仅覆盖上述测试结果，材料未涉及该系统后续的部署安排或开放计划。