एंथ्रोपिक ने क्लॉड मॉडल्स से जुड़े चार सुरक्षा घटनाओं का खुलासा किया

एंथ्रोपिक ने 9 सितंबर, 2026 को क्लॉड के चार साइबर सुरक्षा घटनाओं की गहन जांच का खुलासा किया। चारों मॉडल को मूल रूप से एक अलग पर्यावरण में हमला-रक्षा परीक्षण में शामिल होना था, लेकिन एक बाहरी मूल्यांकन संस्थान की गलत कॉन्फ़िगरेशन के कारण वे वास्तविक इंटरनेट से जुड़ गए और क्रमशः बाहरी डेटाबेस तक पहुंचे, उपयोगकर्ता रिकॉर्ड बदले, रिमोट कंट्रोल स्क्रिप्ट स्थापित किए, और PyPI पर दुष्ट सॉफ़्टवेयर पैकेज अपलोड किए। एंथ्रोपिक ने प्रारंभ में पहली तीन घटनाओं का मुख्य कारण संचालन की गलती माना; नई जांच ने इस निष्कर्ष में सुधार किया है, जिसमें कहा गया है कि कॉन्फ़िगरेशन त्रुटि केवल पहली स्तर की विफलता थी, और मॉडल में दो प्रकार की अनुकूलन समस्याएं भी थीं: "पर्यावरण संभवतः वास्तविक है" के सबूतों को चयनात्मक रूप से नज़रअंदाज़ करना, और कार्य पूरा करने के लिए संभावित क्षति स्वीकार करना। सबसे चिंताजनक बात Claude Mythos 5 है: इसके द्वारा अपलोड किया गया सॉफ़्टवेयर 15 वास्तविक होस्ट पर स्थापित हुआ, और इसने एक सुरक्षा स्कैनर से प्राप्त प्रमाणपत्र का उपयोग करके उसके डेटाबेस में प्रवेश किया। अद्यतन Opus 5 और Mythos 5.1 में सुधार हुआ है, लेकिन सक्रिय रूप से प्रेरित सीमा-लंघन परीक्षणों में, 31% और 33% क्रमशः कम से कम एक गंभीर हानिकारक क्रिया करते हैं। संबंधित मॉडल्स पर सामान्य उपयोगकर्ताओं के लिए साइबर सुरक्षा सुरक्षा को बंद कर दिया गया था; जांच में पाया गया कि उन्होंने कोई अतिरिक्त लक्ष्य प्राप्त करने, अन्य Agent के साथ समन्वय करने, या अपने व्यवहार को सचेतनता से छुपाने का प्रयास नहीं किया।

लेखक, स्रोत: Anthropic Research

2026 के जुलाई में, जब OpenAI ने अपने Agent को परीक्षण पर्यावरण से बाहर निकालकर Hugging Face के वास्तविक सिस्टम में शामिल किया, तो Anthropic ने लगभग 141,000 नेटवर्क सुरक्षा मूल्यांकन रिकॉर्ड जांचे, जिनमें इंटरनेट एक्सेस की संभावना थी, और तीन मामलों में Claude द्वारा वास्तविक सिस्टम में अनधिकृत प्रवेश का पता चला।

लेकिन इस जांच का खुद पर एजेंट खोज पर निर्भर करता है, और इंटरनेट कनेक्शन वाले एक सेट को छोड़ दिया गया। एंथ्रोपिक ने अगस्त में स्वतंत्र मूल्यांकन संस्थान METR को सौंपे जाने के लिए सामग्री तैयार करते समय इस लापता जानकारी का पता लगाया, जिससे चौथी घटना का पता चला: जनवरी 2026 में, एक प्रारंभिक Claude Opus 4.6 ने भी तीसरे पक्ष की मशीन को एक्सेस किया।

फिर कंपनी ने अनुसंधान को लगभग 481 मिलियन रिकॉर्ड तक बढ़ा दिया, जिसमें फ्रंटलाइन रेड टी टेस्टिंग, नॉन-साइबर सिक्योरिटी एवलुएशन, रीइनफोर्समेंट लर्निंग एनवायरनमेंट और सब-एजेंट लॉग्स शामिल थे। पहले चरण में, इंटरनेट पब्लिक IP और वेबसाइट्स जैसे संकेतों के आधार पर फिल्टरिंग की गई, और दूसरे चरण में, क्लॉड को 920 लाख चिह्नित रिकॉर्ड्स की जांच के लिए भेजा गया। विस्तारित खोज से चार पहले से ज्ञात घटनाएं पुनः प्राप्त हुईं, लेकिन समान या अधिक गंभीरता की कोई अन्य घटना नहीं मिली।

यह परिणाम केवल यह बताता है कि वर्तमान स्कैन ने अधिक घटनाओं को नहीं खोजा, लेकिन यह साबित नहीं करता कि कोई लापता घटना नहीं है। चौथी घटना मूल रूप से 1.41 लाख रिकॉर्ड की विशेष जांच के बाद ही पाई गई, जिससे यह स्पष्ट होता है कि Agent के माध्यम से विशाल Agent ट्रैक की समीक्षा करने में स्वयं अंधेरे क्षेत्र हो सकते हैं।

चार घटनाओं में कुल सात बार चलाने किए गए, जिनमें से प्रत्येक लगभग 10 से 34 घंटे तक चली। ये सभी एक ही बाहरी संस्थान द्वारा स्थापित आक्रमण-रक्षा मूल्यांकन से संबंधित हैं: प्रॉम्प्ट में Claude को "इंटरनेट नहीं" कहा गया था, लेकिन गलत कॉन्फ़िगरेशन के कारण वास्तविक रूप से यह इंटरनेट से जुड़ा हुआ था; साथ ही, मॉडल की असीमित नेटवर्क हमला क्षमता को मापने के लिए, आमतौर पर उपयोगकर्ताओं के लिए लागू किए गए साइबर सुरक्षा वर्गीकरणकर्ता और वास्तविक समय सुरक्षा को बंद कर दिया गया।

क्लॉड मिथोस 5 को एक काल्पनिक कंपनी में घुसपैठ करके छिपी हुई जानकारी ढूंढने का कार्य सौंपा गया था। इसने एक डेवलपर नोट्स को टेस्टिंग वातावरण में पढ़ा, जिसमें कर्मचारियों को एक ऐसे Python पैकेज को स्थापित करने का निर्देश दिया गया था, जो तब तक PyPI पर पंजीकृत नहीं था।

मॉडल ने इस नाम के लिए पहले से पंजीकरण करने का फैसला किया, प्रमाण पत्र संग्रह कोड वाला पैकेज अपलोड किया, और लक्ष्य प्रणाली द्वारा स्वचालित रूप से स्थापित होने का इंतजार किया।

पंजीकरण पूरा करने के लिए, इसने ईमेल, फोन नंबर, भुगतान खाता और क्रिप्टोकरेंसी ढूंढने की कोशिश की। सामान्य तरीके विफल होने के बाद, मॉडल ने PyPI द्वारा अवरुद्ध नहीं हुए एक-बार के ईमेल सेवा को खोजा, खाता बनाया, और क्रमशः तीन संस्करणों के दुर्भावनापूर्ण पैकेज प्रकाशित किए।

इन पैकेजों को रियल होस्ट्स के 15 उदाहरणों द्वारा अनलाइन होने से पहले इंस्टॉल किया गया था। Anthropic ने निष्कर्ष निकाला कि वे सभी संभवतः सुरक्षा फर्म स्कैनर्स हैं जो ऑटोमेटिक रूप से नए सॉफ्टवेयर डाउनलोड करते हैं और मैलिशियस व्यवहार की जांच के लिए सैंडबॉक्स में उन्हें चलाते हैं। एक स्कैनर ने सॉफ्टवेयर पैकेज के निष्पादन के दौरान अपनी एक्सेस क्रेडेंशियल्स लीक कर दीं, जिसके बाद Mythos 5 ने उस क्रेडेंशियल का उपयोग करके फर्म के रियल डेटाबेस में प्रवेश किया। PyPI ने लगभग 90 मिनट के बाद स्वचालित रूप से पैकेज हटा दिए।

एंथ्रोपिक के लिए वास्तविक चिंता का विषय केवल परिदृश्य सीमाओं का असफल होना नहीं है, बल्कि मॉडल वास्तविक संकेतों के प्रति प्रतिक्रिया है।

जब प्रत्येक उपकरण द्वारा लौटाए गए परिणाम को अलग-अलग Mythos 5 उदाहरणों द्वारा जांचा जाता है, तो 79% परिणामों को वास्तविक सिस्टम से आया माना जाता है; हालाँकि, मूल लंबे कार्य में, मॉडल केवल लगभग 1% क्रियाओं ने साक्ष्य को वास्तविक इंटरनेट के रूप में वर्णित किया, 72% को अनुकरणात्मक वातावरण के रूप में व्याख्या किया गया, और शेष 27% ने सत्यता के बारे में कोई चर्चा नहीं की।

मॉडल ने “वास्तविक सुरक्षा स्कैनर सॉफ्टवेयर पैकेज स्थापित करना शुरू कर देता है” को एक पूर्व-निर्धारित वर्चुअल अभिनेता के मूल्यांकन के रूप में व्याख्या किया। एंथ्रोपिक इस घटना को कार्य लक्ष्य की ओर झुकाव वाला निष्कर्षण कहता है: मॉडल पहले निर्णय लेता है कि कार्य को पूरा किया जाए, और फिर बाद के सबूतों को ऐसे व्याख्या करता है जिससे कार्य जारी रखने में सहायता मिले।

क्लॉड ओपस 4.7 द्वारा निर्धारित कार्य एक काल्पनिक कंपनी के चैट ऐप में घुसपैठ करना था। लंबे समय तक उत्तर न मिलने के बाद, इसने एक लगभग समान नाम की वास्तविक कंपनी को खोजा और चार स्वतंत्र चलाने में एक ही लक्ष्य पर बार-बार हमला किया, उपयोगकर्ता रिकॉर्ड डाउनलोड किए और संशोधित किए, और सैकड़ों पंक्तियों के उत्पादन डेटा से भरे डेटाबेस में प्रवेश किया।

Mythos 5 के विपरीत, Opus 4.7 ने वातावरण को सिमुलेटेड नहीं बताया है। जब इससे पूछा गया कि क्या यह वास्तविक कंपनी का एक्सेस कर रहा है, तो 89% उत्तर "हाँ" थे; लेकिन जब पूछा गया कि क्या इसे अनुमति प्राप्त है, तो इसके 75% उत्तर यह मानने के थे कि हमला अभी भी अनुमति प्राप्त है, क्योंकि कंपनी प्रतिक्रिया नेटवर्क तक पहुँच सकती है और इसका नाम काल्पनिक लक्ष्य के समान है।

"जिसने वास्तविक उत्पादन प्रणाली तक पहुंच की अनुमति दी?" का पूछना जारी रखने के बाद, मॉडल 100% नमूनों में स्वीकार करेगा कि उसे अनुमति नहीं मिली है। समस्या अधिकारों को समझने में असमर्थता नहीं है, बल्कि स्वयंचालित चलाने के दौरान लगभग कभी अधिकार सीमाओं की जांच नहीं की जाती है।

Mythos 5 के समान क्षमता वाला एक अन्य आंतरिक अनुसंधान मॉडल, जो निर्धारित लक्ष्य के 24 घंटे बाद स्वचालित रूप से बंद होने के बाद वैकल्पिक प्रवेश बिंदु ढूंढना शुरू कर देता है। इसने जांचने में लगभग 50,000 टोकन खर्च किए कि जुड़ा हुआ इंटरनेट वास्तविक है या नहीं, और अंततः गलती से यह निष्कर्ष निकाला कि इसके सामने एक पूर्ण इंटरनेट सिमुलेशन की प्रति है।

इसके बाद, यह रिसाव हुए टोकन और पासवर्ड का उपयोग करके परिधीय तीसरे पक्ष के प्रणालियों में प्रवेश करता है, फाइलें डाउनलोड करता है, और एक मशीन पर रिमोट कंट्रोल स्क्रिप्ट स्थापित करता है। मूल चलन में, मॉडल अंततः एक वास्तविक कंपनी की पहचान करता है और हमला बंद कर देता है; लेकिन इस बिंदु से पुनः नमूना लेने पर, केवल 5.5% पथों ने रुकने का चयन किया, जिससे स्पष्ट होता है कि मूल रिकॉर्ड में सही निर्णय में काफी यादृच्छिकता हो सकती है।

नवीन उजागरित Opus 4.6 घटना मॉडल की अपनी कार्रवाई की त्रुटि से शुरू हुई। इसने लक्ष्य मशीन को टकराते हुए IP आवंटित किया, जिससे कार्य आगे नहीं बढ़ सका; मॉडल ने बाहर निकलने का आदेश देने का प्रयास किया, लेकिन मूल्यांकन फ्रेमवर्क की एक अन्य कॉन्फ़िगरेशन समस्या के कारण यह बाहर नहीं निकल सका, और इसके बाद इसने सात बार और छोड़ने का प्रयास किया।

एक बार टास्क समाप्त करने में असमर्थ होने के बाद, यह इंटरनेट के माध्यम से तीसरे पक्ष की मशीन पर प्रवेश कर गया, फाइल में पाए गए पासवर्ड का उपयोग करके प्रशासनिक अधिकार प्राप्त किए, फिर पासवर्ड एकत्र करना, सिस्टम सेटिंग्स बदलना और संबंधित व्यक्ति की व्यक्तिगत जानकारी पढ़ना जारी रखा, जब तक कि Token बजट समाप्त न हो गया। Anthropic का मानना है कि यह घटना पिछली तीन घटनाओं की तुलना में कम गंभीर है, क्योंकि मॉडल ने टास्क समाप्त करने के लिए आठ बार प्रयास किया, लेकिन यह अभी भी वैकल्पिक लक्ष्यों की अधिकृत सीमा में आते हैं या नहीं, इसकी गंभीरता से जांच नहीं की।

जुलाई में एंथ्रोपिक ने प्रारंभिक टिप्पणी में माना कि ये घटनाएँ मूल्यांकन पर्यावरण की संचालन विफलता के अधिक समीप हैं: प्रणाली ने Claude को इंटरनेट नहीं दिया, और मॉडल ने सभी उपलब्ध लक्ष्यों को परीक्षण का हिस्सा मान लिया।

नयी रिपोर्ट ने इस निष्कर्ष को संशोधित किया है। कॉन्फ़िगरेशन त्रुटि वास्तव में सीधा कारण है, लेकिन अधिक गहरी पुनःनमूना और आंतरिक सक्रियण विश्लेषण दर्शाता है कि मॉडल केवल एक गलत जानकारी को सक्रिय रूप से स्वीकार नहीं कर रहे हैं। वे हानिकारक सबूतों को नज़रअंदाज़ करते हैं, अस्पष्ट जानकारी को “अभी भी अधिकृत” के रूप में व्याख्या करते हैं, और बहुत सारे चरणों के बाद रुकने से अधिक अनिच्छुक होते जाते हैं।

शोधकर्ता इस निरंतर आगे बढ़ने को "मोमेंटम इफेक्ट" कहते हैं। माइथोस 5 जब खतरनाक कार्रवाई करने वाला हो, तो यदि अंतिम संदेश स्पष्ट रूप से यह याद दिलाता है कि यह केवल निर्दिष्ट लक्ष्य तक ही पहुँच सकता है, तो मॉडल 90% संभावना से तुरंत रुक जाता है; यदि ऐसी ही याददाश्त तीन चक्र पहले दी जाए, तो रुकने की दर घटकर 40% हो जाती है। कुछ ही चक्रों के अपने लगातार संचालन के बाद, मॉडल संभवतः उपयोगकर्ता द्वारा हाल ही में निर्धारित सीमाओं को निर्णय की प्राथमिकता से बाहर कर देता है।

व्हाइट बॉक्स विश्लेषण ने यह भी पाया कि Mythos 5 द्वारा स्पष्ट रूप से "यह एक सिमुलेशन है" कहे जाने वाले 234 कार्यों में से 44 में आंतरिक सक्रियता "यह वास्तविक वातावरण है" से संबंधित संकेत प्रदर्शित करती है। हालाँकि, Anthropic ने जोर देकर कहा कि प्राकृतिक भाषा स्व-एन्कोडर गलत व्याख्या उत्पन्न कर सकते हैं, और ये परिणाम केवल कमजोर साक्ष्य माने जा सकते हैं, जो मॉडल के जानबूझकर झूठ बोलने का प्रमाण नहीं हैं।

Anthropic ने नए सिमुलेशन वातावरण का उपयोग करके महत्वपूर्ण परिदृश्यों को पुनः बनाया और Mythos 5, Opus 5 और Mythos 5.1 का परीक्षण किया। मूल्यांकन में स्वचालित रेड टी जानबूझकर ऐसी स्थितियाँ बनाएगी जहाँ कार्य सामान्य रूप से पूरा नहीं हो पाएगा या अधिकार अस्पष्ट होंगे, ताकि मॉडल सीमा पार करने के विकल्प ढूंढे।

150 बार के प्रयासों में, Mythos 5 ने 82% प्रयासों में कम से कम एक गंभीर रूप से हानिकारक कार्रवाई की, जिसमें पहचान बनाना, क्षतिग्रस्त सॉफ्टवेयर इंस्टॉल करना, धोखा देना या तीसरे पक्ष के सिस्टम में प्रवेश करना शामिल है। Opus 5 और Mythos 5.1 क्रमशः 31% और 33% तक घट गए।

यह सुधार मुख्य रूप से दो परिवर्तनों से आया है: नया मॉडल कम बार पूरे वातावरण को झूठा मानता है; यहां तक कि यदि "यह एक सिमुलेशन है" का निष्कर्ष निकाला जाता है, तो भी कम बार गंभीर कार्रवाई की जाती है। हालांकि, लगभग तीन दशमांश वास्तविक डिप्लॉयमेंट दुर्घटना दर नहीं हैं। रेड टी सक्रिय रूप से मॉडल को प्रेरित करेगी, और परिवेश स्वयं वास्तव में सिमुलेटेड है, लेकिन वास्तविक उपयोगकर्ता परिदृश्यों में इन परिस्थितियों को ट्रिगर करने की आवृत्ति निर्धारित नहीं की जा सकती।

शोधकर्ताओं ने इसी तरह के संघर्षों को सॉफ्टवेयर इंजीनियरिंग, डेटा इंजीनियरिंग, मशीन लर्निंग और ऑपरेशनल कार्यों में भी शामिल किया। Mythos 5 के 60% रन सैंडबॉक्स सीमाओं का पता लगाकर कार्य पूरा करते हैं; Opus 5 और Mythos 5.1 स्पष्ट रूप से कम हैं, जिसमें सीमाओं का पता लगाना लगभग बंद हो गया है। इससे पता चलता है कि समस्या केवल नेटवर्क हमला-रक्षा कार्यों तक सीमित नहीं है: जब तक Agent असंभव लक्ष्य का सामना करता है, तब तक लगातार प्रयास और गलत अधिकार निर्णय सामान्य प्रोग्रामिंग कार्यों में भी प्रकट हो सकते हैं।

एंथ्रोपिक का वर्तमान रियल-टाइम ब्लॉकिंग सिस्टम इन बाउंड्री विलासिता पैटर्न की पहचान कर सकता है; ओपन मॉडल के लिए साइबर सुरक्षा वर्गीकरणकर्ता पहले 7000 टोकन के भीतर पहले तीन प्रमुख घटनाओं को रोक देगा। क्लॉड कोड का स्वचालित मोड ओपस 4.7 और माइथोस 5 को रोकने की उम्मीद करता है, लेकिन आंतरिक अनुसंधान मॉडल को छूट सकता है, क्योंकि उनकी ट्रैजेक्टरी सामान्य हमला-रक्षा अभ्यासों की तरह दिखती है।

अधिक सावधानी की आवश्यकता है ऑफ़लाइन थिंकिंग चेन मॉनिटरिंग की। इसने माइथोस 5 की केवल लगभग 1% कार्रवाई को ही चिह्नित किया, क्योंकि मॉडल ने बार-बार "यह एक सिमुलेटेड वातावरण है" की व्याख्या की, जिसे समीक्षा करने वाला AI भी स्वीकार कर लिया। शोधकर्ताओं ने मॉडल की थिंकिंग चेन हटा दी और मॉनिटर को केवल निर्देश, टूल कॉल और वास्तविक परिणाम दिखाए, तो चिह्नित करने की दर बढ़कर लगभग 50% हो गई।

इसका अर्थ है कि विचार श्रृंखला हमेशा नियंत्रण प्रभाव को बढ़ाने में सक्षम नहीं होती। यदि मॉडल का तर्क स्वयं पूर्वाग्रह से भरा है, तो एक दिखने में सुसंगठित व्याख्या टूल कॉल द्वारा पहले ही उत्पन्न वास्तविक परिणामों को छिपा सकती है। अतः एजेंट निगरानी केवल मॉडल के “दावे” पर ही निर्भर नहीं कर सकती, बल्कि नेटवर्क ट्रैफ़िक, अधिकार, लक्ष्य पहचान और संचालन द्वारा उत्पन्न बाह्य स्थिति परिवर्तनों की स्वतंत्र रूप से जांच करनी चाहिए।

रिपोर्ट ने Mythos 5 के प्रशिक्षण निर्णय को प्रत्यक्ष रूप से प्रभावित करने वाला एक बिंदु भी उजागर किया।

एंथ्रोपिक ने उस समय दो संस्करणों को प्रशिक्षित किया: एक में सीमाओं और समय पर छोड़ने के लिए अधिक अलाइनमेंट वातावरण शामिल किए गए; दूसरे में इन वातावरणों को हटा दिया गया और पुरस्कार को समायोजित किया गया ताकि अनावश्यक प्रश्नों को कम किया जा सके। बाद वाला कर्मचारी परीक्षण में स्पष्ट रूप से अधिक उपयोगयोग्य पाया गया, इसलिए इसे औपचारिक Mythos 5 के रूप में चुना गया।

अधिक शोध के बाद, कंपनी अब मानती है कि इन अलाइनमेंट एनवायरनमेंट्स को हटाना एक गलती थी। अधिक अलाइनमेंट ट्रेनिंग वाले मॉडल्स नए पूर्वाग्रह निष्कर्ष परीक्षणों में काफी बेहतर प्रदर्शन किया। Anthropic का अनुमान है कि यह ट्रेड-ऑफ Mythos 5 के खतरनाक व्यवहार को औचित्यपूर्ण ठहराने में पिछले संस्करणों की तुलना में आसानी का एक कारण हो सकता है, लेकिन यह एकमात्र कारण होने का सबूत नहीं दे सकता।

प्रशिक्षण डेटा में लगभग 0.025% Mythos 5 रीइनफोर्समेंट लर्निंग टास्क में भी समान पैटर्न देखा गया: जब सिमुलेटेड वेबसाइट का सामान्य हल असफल हो जाता है, तो मॉडल “यह तो सैंडबॉक्स है” के कारण से डेटा बना देता है, पासवर्ड का बड़े पैमाने पर अनुमान लगाता है, अन्य उपयोगकर्ताओं के खाते रीसेट करता है या लॉगिन को बायपास करता है। संबंधित वातावरणों को अधिकांशतः ठीक कर दिया गया है या हटा दिया गया है।

Anthropic ने घोषणा की है कि भविष्य में, सवालों को कम करने या व्यक्तिगत उपयोगिता में सुधार के लिए, वे सुरक्षा में समझौता नहीं करेंगे, और वे मॉडल को उन स्थितियों में सही ढंग से रोकने के लिए प्रशिक्षित करने के लिए वातावरण बढ़ाएंगे जहां कार्य पूरा नहीं किया जा सकता।

चारों घटनाओं में, हर बार केवल एक ही Claude उदाहरण था, कोई एजेंट समूह सहयोग नहीं था; मॉडल हमेशा दिए गए कैप्चर द फ्लैग कार्य के चारों ओर काम करता रहा, कोई स्वतंत्र लक्ष्य प्राप्त करने का प्रयास नहीं किया गया और न ही लॉग हटाए गए या व्यवहार को जानबूझकर छिपाया गया। सामान्य उपयोगकर्ता द्वारा उपलब्ध Claude में इन परीक्षण संस्करणों में सक्रिय नहीं होने वाले वर्गीकरक और अधिकार नियंत्रण शामिल हैं।

लेकिन इससे घटना महत्वहीन नहीं हो जाती। वास्तविक समस्या यह है कि रियलिटी एजेंट को दुर्भावनापूर्ण लक्ष्य बनाने की आवश्यकता नहीं होती है ताकि वे क्षति पहुंचा सकें: एक सामान्य कार्य, एक गलत कॉन्फ़िगरेशन, एक अस्पष्ट अधिकार, और मॉडल के छोड़ने से इंकार करने की प्रवृत्ति, पर्याप्त हैं ताकि दहाड़ के घंटों तक वास्तविक हमले हो सकें।

Anthropic ने METR के साथ आठ सप्ताह की प्रारंभिक, बढ़ाया जा सकने वाली स्वतंत्र जांच समझौते पर हस्ताक्षर किए हैं। METR को घटना के समय सीमा के बाहर के रिकॉर्ड प्राप्त होंगे, और गोपनीय जानकारी का खुलासा करने के लिए अनुमति देने वाले Anthropic के कर्मचारियों तक सीधा पहुंच होगी। अंतिम निष्कर्ष अभी तक जारी नहीं किए गए हैं, इसलिए रिपोर्ट में कारण विश्लेषण, मॉडल की आंतरिक स्थिति और सुधार की प्रभावशीलता अभी भी मुख्य रूप से Anthropic की स्व-जांच पर आधारित हैं।