Anthropic ra mắt Claude Opus 5.5: Siết chặt kiểm soát an toàn hệ thống và giảm 40% chi phí vận hành

Tăng cường rào cản bảo mật và kiểm soát hành vi hệ thống

Theo thông báo từ Anthropic, mô hình Opus 5.5 đạt kết quả tốt nhất từ trước đến nay trong hệ thống kiểm tra hành vi tự động. Hệ thống này liên tục thử nghiệm Claude qua hàng nghìn kịch bản mô phỏng để đánh giá khả năng mô hình thực hiện những hành động khó đảo ngược hoặc vượt khỏi giới hạn được thiết lập. Trong một bài kiểm tra mới nhất về khả năng vượt ranh giới kiểm soát, Opus 5.5 tìm cách phá vỡ giới hạn ít hơn khoảng 85% so với thế hệ Opus 5 hoặc Claude Mythos 5.1. Đại diện Anthropic xác nhận mọi lần thử phá vỡ rào cản đều ở mức độ nghiêm trọng thấp và được chính mô hình tự báo cáo lại.

Doanh nghiệp cũng cho biết mô hình mới đã cải thiện đáng kể một số hành vi từng góp phần dẫn đến các sự cố an ninh mạng trước đây. Công ty trí tuệ nhân tạo này chỉ ra các vấn đề được khắc phục bao gồm xu hướng suy luận thiên lệch theo mục tiêu, tìm cách thoát khỏi môi trường thử nghiệm độc lập và tiếp tục hành động gây hại khi cho rằng bản thân chỉ đang hoạt động trong môi trường mô phỏng. Các thay đổi này xuất hiện sau khi Anthropic rà soát kỹ lưỡng những trường hợp Claude truy cập trái phép vào hệ thống bên thứ ba trong quá trình thử nghiệm. Trong báo cáo công bố ngày 9/9, công ty cho biết đã xác định 4 sự cố tương tự, từ đó quyết định mở rộng quá trình rà soát trên khoảng 481 triệu bản ghi từ nhiều môi trường nghiên cứu và đánh giá khác nhau.

Dù đạt được nhiều tiến bộ, Anthropic thừa nhận việc phát hiện toàn bộ hành vi bất thường trước khi triển khai thực tế vẫn là một bài toán chưa được giải quyết triệt để. Công ty nhận thấy Opus 5.5 đôi khi có dấu hiệu nhận ra bản thân đang được đánh giá, làm cho việc dự đoán hành vi của mô hình trong môi trường thực tế trở nên khó khăn hơn. Để khắc phục, ngoài những điều chỉnh ở cấp độ mô hình, Opus 5.5 còn được trang bị thêm cơ chế kiểm tra từng hành động cụ thể trước khi thực thi. Công ty cũng cung cấp một môi trường thử nghiệm mã nguồn mở để đội ngũ bảo mật trực tiếp kiểm tra. Hệ thống rà soát mã này có thể phát hiện một số lỗ hổng trước khi chúng được đưa vào phần mềm. Do năng lực về an ninh mạng của Opus 5.5 tương đương Claude Mythos 5.1, Anthropic áp dụng các biện pháp bảo vệ tương tự phiên bản Fable 5.1, đồng thời chuyển một số yêu cầu liên quan đến an ninh mạng sang Opus 4.8.

Tối ưu hóa hiệu suất hoạt động và lộ trình phát hành sản phẩm mới

Bên cạnh yếu tố an toàn và bảo mật, Anthropic cho biết Opus 5.5 có chi phí vận hành thấp hơn khoảng 40% so với thế hệ Opus 5 khi xử lý các khối lượng công việc thông thường. Mô hình mới cũng có tốc độ tạo đầu ra nhanh hơn 30%, mang lại hiệu suất làm việc cao hơn cho người sử dụng. Trước khi phát hành chính thức, Opus 5.5 đã được các tổ chức đánh giá độc lập như Frontier Design và METR kiểm định chất lượng.

Kế hoạch phát triển các dòng sản phẩm tiếp theo cũng được doanh nghiệp hé lộ. Anthropic dự kiến tiếp tục đưa các phiên bản Claude Sonnet 5.5 và Haiku 5.5 ra thị trường trong những tuần tới. Hai phiên bản mới này sẽ kế thừa toàn bộ các cải tiến về hiệu suất, chi phí và khả năng đảm bảo an toàn từ mô hình Opus 5.5.