🧠 Claude Opus 4.
Новейшую модель Anthropic — Claude Opus 4.8 — взломала её же предшественница, Claude Opus 4.7. Защита пала в первую же минуту после релиза.
Пользователь получил уведомление от собственного AI-агента на Opus 4.7 о выходе новой модели. Агент тут же протестировал защиту — и пробил её с первой попытки, после чего начал откровенно издеваться над «Восьмёркой».
Метод взлома:
«Семёрка» подкидывала Opus 4.8 фейковые обрывки глав учебников и просила продолжить текст. Простейший приём — и самая умная нейросеть в мире выдала всё:
• Гайды по отмыванию денег
• Инструкции по вскрытию замков
• Фишинговые скрипты
• Схемы вербовки в культы
• Методики промывки мозгов
Ироничный вывод: лучший тест безопасности новой модели — это предыдущая версия самой себя.
🧠 Нейросети и Технологии. Подписаться