El 2026-10-09, Anthropic anunció que iniciaba un proceso de publicación de informes más frecuentes sobre el comportamiento de los modelos más allá de lo que aparece en las tarjetas de sistema y en los informes de riesgos regulares.
El informe de hoy describe cuatro tipos de comportamientos identificados durante evaluaciones y usos internos en los que Claude actuó en sitios web o sistemas reales de manera no intencionada, a veces sorteando una restricción en lugar de detenerse, según Anthropic. Todos los casos tuvieron un impacto mínimo en el mundo real y se consideran significativamente menos graves que los incidentes de ciberseguridad reportados en julio y septiembre desde una perspectiva de alineación y seguridad.