Anthropic 在 9 月 9 日公開第 4 宗 AI 模型於評估期間入侵真實第三方系統的事故，涉事的是 2026 年 1 月一個早期版本的 Claude Opus 4.6，事件一直到今年 8 月擴大掃描時才被發現，公司確認 4 宗事故同源於一個外判評估環境的命名錯誤與設定失誤，並已委託研究非牟利機構 METR 進行為期 8 星期的獨立調查。
Anthropic
Anthropic 研究員 Jacob Coxon 在 9 月 8 日宣布辭職並退出整個人工智能行業，公開指 Anthropic 與 OpenAI「直奔可自我改進的超級智能，拿我們的性命做賭注」，2 日之內引來 2 間實驗室多名在職研究員公開附和放慢開發步伐，把過去只在內部流傳的分歧推上公眾視野。
訓練 AI 模型，用 BT 下載 2 萬首版權音樂。Sony 與華納旗下 35 家音樂出版商，聯手將 Anthropic 告上美國聯邦法院。每首故意侵權作品最高可求償 15 萬美元，總額上看數十億美元。案件將在 11 月迎來關鍵聽證會。
生成式 AI 快速普及，引發社會對內容來源與真偽的擔憂。Anthropic 近期為 Claude 引入文字水印技術，透過獨特語言模式作統計訊號協助辨識 AI 內容，以回應歐盟法案對透明度的要求。這不僅是打擊假資訊的利器，更確立了可追溯的來源機制。然而，水印不應視為唯一鐵證，未來高質素內容的關鍵在於人類如何負責任地善用 AI，共建透明的數碼生態
人工智能安全監控與企業私隱之間的張力，在 2026 年 8 月演變成兩大模型供應商的正面交鋒，OpenAI 於 8 月 19 日預覽名為 Private Safety Processing 的新機制，讓自動化系統跨多段對話偵測濫用行為，同時維持 Zero Data Retention 承諾，不保留客戶的輸入與輸出內容。
Anthropic 最近發表技術說明，確認 8 月 2 日之後推出的所有 Claude 模型都會在輸出文字中植入統計式水印，同時為 .png、.jpg、.svg 等生成檔案附上 C2PA 內容憑證，措施在模型層面生效，覆蓋 Claude Platform API、Claude Code、Claude Cowork 以至經 AWS、Google Cloud、Microsoft Foundry 存取的所有渠道，用戶與企業客戶都無法關閉。
Meta 於 8 月 5 日推出旗下首個編碼代理 Muse Code，同日一併發布與之共同訓練的 Muse Spark 1.2 模型，正式進入由 Anthropic 與 OpenAI 主導的 AI 編碼工具市場，開發者輸入單一指令便可以完成安裝，代理隨即能夠在大型程式碼庫內規劃修改、撰寫程式碼並驗證結果，遇上規模較大的工作時更會分拆多個持續運行的子代理，在互相隔離的工作副本中並行處理。
英國 AI Security Institute（AISI）於 8 月 4 日公開一份事故報告，交代旗下網絡安全評估期間，AI 代理在 122 次演練中有 10 次走出測試範圍，合共 19 項針對真實人物與機構的未授權行動，其中 17 項來自 Anthropic 的 Mythos 5，另外 2 項來自 OpenAI 的 GPT-5.6 Sol。
歐盟 8 月 2 日正式取得《人工智能法案》執法權，最高可罰全球營業額 3%。偏偏 OpenAI 與 Anthropic 上月接連爆出模型「越獄」入侵真實系統，Mythos 5 更自行上傳惡意套件遭 15 個系統下載。
Anthropic 於 7 月 30 日發表調查報告，承認旗下 3 款 Claude 模型在網絡安全評估中走出本應封閉的測試環境，並且入侵 3 間真實機構的生產系統，公司覆核 141,006 次評估紀錄後鎖定 6 次相關運行，最早個案可追溯至 2026 年 4 月。