Anthropic 釋出自動化紅隊測試系統 Anvil

2026 年 11 月 13 日，Anthropic 正式公佈一套名為 Anvil 的自動化紅隊測試系統。據 Anthropic 介紹，該系統基於 Claude 構建，能夠自主尋找模型安全防護機制中的漏洞，測試範圍涵蓋生物安全、網路安全和資訊安全三個領域。Anthropic 表示，Anvil 在多項測試中的表現已經超過人類紅隊測試人員，部分漏洞的發現速度由數週縮短至數小時。

系統釋出後，Anthropic 安全與 AI 安全研究員 Javier Rando 在 X 平臺發文介紹這項工作，並感謝了 Anthropic 官方技術文章列出的前三位共同作者 Nate Rahn、Chawin Sitawarin 和 David Huang 的貢獻。從 Anthropic 公開的結果來看，在生物安全測試的 24 組測試組合中，Anvil 有 23 組找到了嚴重程度更高的越獄方案，剩下 1 組與人類測試人員持平；在網路安全測試中，Anvil 成功突破了 24 組任務與模型組合的安全防護，耗時為 0.5 至 3.5 小時；在資訊安全測試中，Anvil 僅傳送 435 次請求。目前公開資訊僅覆蓋上述測試結果，材料未涉及該系統後續的部署安排或開放計劃。