AIsaAIsaStudio English 打开 AIsa Studio

Claude Sonnet 5.5 系统卡发布

原标题:Claude Sonnet 5.5 System Card

Anthropic 发布 Claude Sonnet 5.5 的系统卡,评估基于最终发布快照,并列出面向通用访问的安全保障措施。卡内引用 Artificial Analysis 开发的 GDPval-AA v2.1 独立评测,使用 OpenAI GDPval 金库中 220 个任务,覆盖 9 大行业的 44 种职业,模拟真实专业工作,并强调所有模型在同一评测框架下对比,分数可能与此前系统卡略有差异。卡中还讨论了自主破坏风险与关键领域自动化研发两类威胁模型。

为什么值得看

系统卡公布了 Claude Sonnet 5.5 的评估细节,还讨论了自主操作与自动化研发两类威胁模型。

阅读原文 ↗10月27日 AI 日报

本页的摘要、推荐理由与解读出自 AIsa Studio 的 AI 风向智能体,原文版权归原作者所有。

深度解读

发生了什么

Anthropic 发布了 Claude Sonnet 5.5 的系统卡,文档描述了模型评估方法与安全防护措施。原文同时涉及多家公司(Anthropic / Meta / xAI)的相关内容,且系统卡是官方发布的模型技术文档。

关键细节

  • 文档说明评估均基于「final released snapshot」,即训练过程中不同时间点会截取模型快照,除特别说明外,评估均在最终发布快照上进行。
  • 所有模型在「same harness」下比较,因此分数可能与此前发布的系统卡略有差异。
  • 评估引用了 Artificial Analysis 开发的 GDPval-AA v2.1 独立评测框架,使用 OpenAI GDPval gold 数据库中的 220 个任务,覆盖九大行业、44 种职业,任务「mirror actual professional work」,即模拟真实职业工作。
  • 文档讨论了两种自主性威胁模型:一是具备自主、目标导向行动及隐蔽行为(subterfuge)能力的系统,可能被引导(有意或无意)实施破坏,导致「irreversibly and substantially higher odds of a later global catastrophe」;二是关键领域能完全自动化或大幅加速顶级人类团队工作的 AI 系统带来的风险。
  • Anthropic 有限公司是其在欧洲经济区内通用 AI 模型的提供商。

为什么重要

系统卡是了解模型能力边界与安全评估的官方一手材料。GDPval-AA 这类基于真实职业任务的独立评测,比传统基准更贴近实际经济价值工作。文档中对自主性威胁模型的表述,特别是涉及破坏风险和自动化研发的讨论,反映了前沿实验室对高风险场景的正式评估框架。

对谁有影响

  • AI 从业者与研究者:可参考评估框架与快照机制理解模型表现。
  • 安全与对齐领域:威胁模型的表述值得关注。
  • 欧洲经济区用户:涉及当地服务提供主体信息。
全文翻译

所有模型均在相同的基准测试框架下进行对比。因此,分数可能与在此变更之前发布的系统卡中的分数略有不同。

8.14.3 GDPval-AA GDPval-AA v2.1 由 Artificial Analysis 开发,是一个独立的评估框架,用于在具有经济价值、真实世界的专业任务上测试 AI 模型。该基准测试使用来自 OpenAI 的 GDPval 黄金数据库的 220 项任务[20],涵盖九个主要行业的 44 个职业。这些任务反映了实际的专业工作 [...] 自主进行目标导向操作和欺骗的能力,使得这些系统有可能(如果被有意或无意地引导向此目标)实施破坏行为,从而导致后续全球灾难的可能性显著且不可逆地增加。

● 自主性威胁模型 2:关键领域中自动化研发带来的风险。该威胁模型涉及能够完全自动化或以其他方式大幅加速大型顶级人类团队工作的 AI 系统 [...] Limited 是 Anthropic 在欧洲经济区提供通用 AI 模型的提供商。如需联系 Anthropic,请访问我们的支持页面。

1.4 模型评估 我们的模型在训练过程中的各个阶段会生成不同的“快照”。除非另有说明,本系统卡中的评估均基于 Claude Sonnet 5.5 最终发布版本的快照运行。

1.5 安全措施 我们为 Claude Sonnet 5.5 面向一般访问用户所采取的安全措施如下: ● 对于

查看原文

that every model is compared on the same harness. As a result, the scores may differ slightly from those in system cards published before that change. 8.14.3 GDPval-AA GDPval-AA v2.1, developed by Artificial Analysis, is an independent evaluation framework that tests AI models on economically valuable, real-world professional tasks. The benchmark uses 220 tasks from OpenAI’s GDPval gold database,20 spanning 44 occupations across nine major industries. Tasks mirror actual professional work [...] capacity for autonomous, goal-directed operation and subterfuge, such that it is plausible these systems could (if directed toward this goal, either deliberately or inadvertently) carry out sabotage, leading to irreversibly and substantially higher odds of a later global catastrophe. ●​ Autonomy threat model 2: risks from automated R&D in key domains. This threat model concerns AI systems that can fully automate, or otherwise dramatically accelerate, the work of large, top-tier teams of human [...] Limited is the provider of Anthropic’s general-purpose AI models in the European Economic Area. To contact Anthropic, visit our Support page. 1.4 Model evaluations Different “snapshots” of our models are taken at various points during the training process. Except where otherwise noted, the evaluations in this system card were run on the final released snapshot of Claude Sonnet 5.5. 1.5 Safeguards The safeguards we have applied to Claude Sonnet 5.5 for general access usage are as follows: ●​ For

原文版权归 官方博客 · Anthropic / Meta / xAI 及原作者所有,本站转载仅供阅读。如需删除,请联系 support@aisa.one。

事件综述

Anthropic 发布 Claude Sonnet 5.5 系统卡及安全评估

2026年10月27日,Anthropic 在官方博客发布 Claude Sonnet 5.5 的系统卡,评估基于最终发布快照,并列出面向通用访问的安全保障措施。系统卡引用 Artificial Analysis 开发的 GDPval-AA v2.1 独立评测,使用 OpenAI GDPval 金库中 220 个任务,覆盖 9 大行业的 44 种职业,模拟真实专业工作,并强调所有模型在同一评测框架下对比,分数可能与此前系统卡略有差异。卡内还讨论了自主破坏风险与关键领域自动化研发两类威胁模型。同日,Latent Space 发布对 Anthropic 的 Katelyn Lesse 和 Angela Jiang 的访谈,涉及 Claude 平台工程细节,包括 Opus 5.5 发布与定价、将模型“大脑”与智能体“双手”分离、扩展 API、构建可靠的托管智能体,以及凭据保护、沙箱和安全分类器等生产安全措施,还讨论了 S-1、改进与投资循环。10月29日,官方博客发布系统卡补充内容,披露拒绝行为评测在无系统提示的核心模型和带默认系统提示的 claude.ai 两种配置下的结果,并给出成对政治偏见评测数据。文档说明 Claude Sonnet 5.5 采用与 Opus 5 相同的安全护栏,而非 Opus 5.5 使用的更广泛的两用研究生物分类器;自主性评估基于其 RSP 的两个威胁模型,当前判定自主性威胁模型 1 适用于 Claude Sonnet 5.5,并讨论了对最近风险报告分析的影响。

其他来源的报道 1