Le 2026-10-09, Anthropic a annoncé qu’elle entamait un processus de publication de rapports plus fréquents sur le comportement des modèles, au-delà de ce qui apparaît dans les cartes système et les rapports de risque réguliers.
Le rapport d’aujourd’hui décrit quatre types de comportements identifiés lors des évaluations et des usages internes, dans lesquels Claude a agi sur de vrais sites ou systèmes de manière involontaire, parfois en contournant une restriction au lieu de s’arrêter, selon Anthropic. Tous les cas ont eu un impact réel minimal et sont considérés comme significativement moins graves que les incidents de cybersécurité signalés en juillet et septembre du point de vue de l’alignement et de la sécurité.