Anthropic có thể đã mất một phần đáng kể lợi thế AI. Công ty trì hoãn mở rộng quyền truy cập các mô hình Mythos để củng cố biện pháp bảo vệ an ninh mạng. Theo The New Stack, Giám đốc điều hành Dario Amodei thừa nhận quyết định này có thể làm giảm lợi thế dẫn trước kéo dài vài tháng của công ty.
Anthropic đã có các mô hình thuộc lớp Mythos từ tháng 2 năm 2026 nhưng chờ đến tháng 6 mới mở rộng quyền truy cập. Amodei cho rằng nếu mô hình được phát hành sớm hơn, các tổ chức sẽ có ít thời gian gia cố hạ tầng. Khi đó, họ phải chuẩn bị trước những cuộc tấn công mạng ngày càng mạnh do AI hỗ trợ.
Quyết định đó đặt Anthropic trước hai rủi ro. Phát hành chậm có thể làm suy giảm lợi thế cạnh tranh. Phát hành nhanh lại có thể đưa năng lực tấn công tiên tiến ra thị trường trước khi các hệ thống phòng thủ sẵn sàng.
Cuộc tranh luận cho thấy rào chắn kỹ thuật đang trở thành một phần của cuộc đua AI, thay vì chỉ là bước kiểm tra cuối cùng. Vấn đề này liên quan trực tiếp đến câu hỏi AI nên được trao bao nhiêu quyền trong hoạt động an ninh mạng, nhất là khi mô hình có thể tìm lỗ hổng hoặc hỗ trợ chuỗi tấn công nhiều giai đoạn.
Từ tháng 4 đến tháng 6, Anthropic mở dần Mythos
Anthropic giới hạn quyền truy cập Mythos trong giai đoạn đầu để các đối tác phòng thủ thử nghiệm khả năng phát hiện lỗ hổng trước khi mô hình được mở rộng. Từ tháng 4 đến đầu tháng 6, Anthropic mở rộng Project Glasswing thêm khoảng 150 tổ chức tại hơn 15 quốc gia, ngoài nhóm đối tác ban đầu.
Anthropic phát hành Claude Mythos Preview vào tháng 4 thông qua Project Glasswing. Quyền truy cập ban đầu chỉ dành cho một số đối tác, gồm Amazon, Apple, Microsoft, CrowdStrike và Linux Foundation. Các tổ chức này được dùng khả năng phát hiện lỗ hổng của mô hình cho mục đích phòng thủ, trong khi nhà phát triển thông thường chưa thể tiếp cận.
Ngày 2 tháng 6, Anthropic mở rộng Project Glasswing cho khoảng 150 tổ chức khác tại hơn 15 quốc gia. Theo ước tính của Anthropic, một cuộc tấn công lớn nhằm vào phần lớn đối tác trong chương trình có thể ảnh hưởng đến hơn 100 triệu người.
Công ty cho rằng hàng trăm nghìn tổ chức, nhà nghiên cứu và người bảo trì phần mềm có thể cần được tiếp cận năng lực an ninh mạng tiên tiến trước khi các mô hình ở cấp độ Mythos được phát hành rộng rãi. Trong bối cảnh AI đang tăng tốc quá trình khai thác lỗ hổng, thời gian chuẩn bị ảnh hưởng trực tiếp đến các đội vận hành và bảo mật.
Fable 5 bị tạm dừng ba ngày sau khi ra mắt
Claude Fable 5 ra mắt ngày 9 tháng 6 nhưng bị tạm dừng cùng Mythos 5 vào ngày 12 tháng 6. Nguyên nhân là một chỉ thị kiểm soát xuất khẩu của Chính phủ Mỹ. Mô hình Fable 5 trở lại toàn cầu ngày 1 tháng 7. Trong khi đó, Mythos 5 được khôi phục cho một số tổ chức tại Mỹ từ ngày 26 tháng 6.
Mô hình Fable 5 thuộc lớp Mythos nhưng có thêm biện pháp bảo vệ để phục vụ nhu cầu sử dụng phổ thông. Mythos 5 dùng cùng mô hình nền tảng nhưng có ít hạn chế an ninh mạng hơn. Quyền truy cập chỉ dành cho các đối tác đáng tin cậy.
Chỉ thị ngày 12 tháng 6 cấm người nước ngoài truy cập hai mô hình, kể cả nhân viên của Anthropic. Lệnh cấm áp dụng với người nước ngoài ở mọi nơi. Vì vậy, công ty cho biết cách duy nhất để tuân thủ là vô hiệu hóa mô hình đối với toàn bộ khách hàng. Anthropic công khai phản đối quyết định này.
Bộ Thương mại Mỹ dỡ bỏ biện pháp kiểm soát vào ngày 30 tháng 6. Fable 5 trở lại trên các nền tảng của Anthropic trên toàn cầu vào ngày 1 tháng 7.
Ba tầng truy cập áp dụng mức hạn chế khác nhau
Chương trình xác minh an ninh mạng mở rộng của Anthropic chia chuyên gia bảo mật thành ba tầng truy cập. Mức hạn chế thay đổi theo tầng: thành viên Project Glasswing hiện hữu được tiếp cận tầng ít hạn chế nhất, còn tổ chức mới phải trải qua quá trình đánh giá có Anthropic và Chính phủ Mỹ tham gia.
Trong thử nghiệm của Anthropic trên CyScenarioBench, một bộ đánh giá tấn công nhiều giai đoạn, tầng Defense Access đã chặn Claude Opus 5.5 tại một thời điểm nào đó trong 46 trên 50 lượt thử. Tầng Red Team Access không chặn lượt thử nào.
Anthropic chưa công bố một bộ đánh giá phòng thủ tương đương, nên chưa thể xác định các giới hạn này cản trở công việc bảo mật hợp pháp với tần suất ra sao. Công ty thừa nhận cơ chế bảo vệ có thể chặn nhầm công việc viết mã an toàn và cung cấp biểu mẫu để người dùng báo cáo các trường hợp đó.
Cam kết an toàn chịu sức ép cạnh tranh
Tranh luận về Mythos nằm trong một bất đồng lớn hơn về cam kết an toàn của Anthropic. Nathan Calvin, Giám đốc chiến lược của Encode AI, cho rằng công ty đang chạy đua xây dựng siêu trí tuệ trong khi làm suy yếu những cam kết nhằm ngăn chặn hậu quả nguy hiểm.
Theo The New Stack, Calvin dẫn ra các thỏa thuận điện toán trị giá hơn 500 tỷ USD của Anthropic. Ông cũng nhắc đến việc công ty dùng AI ngày càng nhiều để phát triển mô hình mới và những thay đổi trong Chính sách Mở rộng Có trách nhiệm. Calvin đặt câu hỏi vì sao những sai lầm của Anthropic dường như thường bảo vệ và có lợi cho chính công ty.
Theo The New Stack, phiên bản 3.0 của chính sách được sửa vào tháng 2. Bản sửa đổi thay các yêu cầu cũ mà Amodei cho là quá cứng nhắc bằng cách tiếp cận nhấn mạnh tính minh bạch, báo cáo rủi ro và đánh giá độc lập. Cũng theo The New Stack, phiên bản hiện hành là 3.4 và có hiệu lực từ ngày 8 tháng 7.
Theo The New Stack, lần sửa đổi vào tháng 2 loại bỏ một cam kết được đưa ra từ năm 2023. Cam kết đó quy định Anthropic sẽ không huấn luyện một hệ thống AI nếu chưa thể bảo đảm trước rằng các biện pháp an toàn là đầy đủ. Calvin cho rằng thay đổi này làm suy yếu cam kết đơn phương về việc giảm tốc hoặc dừng phát triển khi cần thiết.
Anthropic chọn tiếp tục cuộc đua AI
Anthropic lập luận rằng tự dừng phát triển sẽ không cải thiện an toàn nếu các đối thủ vẫn tiến nhanh. Amodei gọi chiến lược của công ty là một cuộc đua hướng lên
: Anthropic cần duy trì vị trí ở tuyến đầu công nghệ để có thể tác động đến tiêu chuẩn an toàn của ngành.
Giám đốc khoa học Jared Kaplan cho rằng Anthropic tự dừng huấn luyện mô hình sẽ không giúp ích nếu các đối thủ tiếp tục tăng tốc. Amodei thừa nhận công ty có thể xử lý tốt hơn ba điểm Calvin nêu ra. Một trong số đó là cách Anthropic làm việc với dự thảo luật an toàn AI. Ông đánh giá phê bình về Chính sách Mở rộng Có trách nhiệm là vấn đề đáng kể nhất.
Amodei cho rằng Anthropic đã nhiều lần hy sinh lợi ích thương mại vì an toàn. Ngoài việc trì hoãn Mythos, ông nhắc đến các biện pháp bảo vệ nghiêm ngặt trong lĩnh vực sinh học, sự ủng hộ đối với quy định về AI và kiểm soát xuất khẩu chip tiên tiến cùng thiết bị sản xuất chip.
Những người chỉ trích vẫn chưa bị thuyết phục. Sigal Samuel của Vox nhận xét rằng từ bên ngoài, tác động tổng thể của Anthropic dường như thúc đẩy cuộc đua theo hướng hạ thấp tiêu chuẩn nhiều hơn là nâng tiêu chuẩn.
Claude viết phần lớn mã được hợp nhất tại Anthropic
Nghiên cứu của Anthropic cho thấy AI đã tham gia sâu vào quá trình phát triển phần mềm của chính công ty. Tính đến tháng 5, Claude viết hơn 80% số dòng mã được hợp nhất vào kho mã của Anthropic, dù con số này không có nghĩa mô hình tự kiểm soát các quyết định kỹ thuật.
Trong báo cáo tháng 6 về việc AI tự hỗ trợ phát triển, Anthropic cho biết tỷ lệ hơn 80% chỉ tính số dòng mã dùng trong sản phẩm được ghi nhận là do Claude tạo ra.
Anthropic gọi mức hơn 80% là ước tính thận trọng. Ban lãnh đạo công ty ước tính Claude viết từ 90% mã trở lên nếu tính cả tập lệnh và mã thử nghiệm. Các tác giả báo cáo nhấn mạnh rằng AI chưa đạt trạng thái tự cải tiến đệ quy. Họ cũng cho rằng kết quả đó không chắc chắn sẽ xảy ra.
Amodei cảnh báo tốc độ phát triển AI có thể sớm vượt quá tốc độ xây dựng các biện pháp quản trị và an toàn. Việc Claude đã viết phần lớn mã được hợp nhất tại Anthropic là một phần cơ sở cho mối lo này.
Lộ trình quản trị kéo dài sang năm 2027
Anthropic đề xuất một lộ trình quản trị gồm đánh giá độc lập và công khai báo cáo rủi ro. Đề xuất cũng kêu gọi trao thẩm quyền pháp lý cho chính phủ trước các đợt triển khai có nguy cơ gây hậu quả thảm khốc. Theo The New Stack, các mốc tiếp theo kéo dài từ tháng 12 năm 2026 đến tháng 1 năm 2027.
Nội dung đề xuất quản trị
Trong đề xuất chính sách công bố vào tháng 6, Amodei kêu gọi tăng cường giám sát của chính phủ đối với hoạt động phát triển AI tiên phong. Đề xuất gồm đánh giá độc lập và công khai báo cáo rủi ro. Đề xuất cũng kêu gọi trao cho chính phủ thẩm quyền pháp lý để ngăn chặn hoặc răn đe những đợt triển khai có nguy cơ gây hậu quả thảm khốc.
Dự thảo luật Anthropic đưa ra vào tháng 10 chỉ cho phép chặn một mô hình khi mô hình đó được đánh giá là sắp gây nguy cơ làm chết hoặc bị thương hơn 50 người, hoặc gây thiệt hại hơn 1 tỷ USD.
Ba giai đoạn phối hợp
Kế hoạch ba giai đoạn của Amodei bắt đầu bằng việc đưa chuyên gia đánh giá độc lập vào bên trong các công ty AI. Giai đoạn tiếp theo mở rộng phối hợp giữa các quốc gia dân chủ. Mục tiêu sau cùng là đạt được thỏa thuận có sự tham gia của cả các chính phủ dân chủ và chính phủ chuyên chế.
Các mốc chính sách tiếp theo
Theo The New Stack, các mục gần nhất trong Lộ trình An toàn Tiên phong được cập nhật ngày 19 tháng 10. Lộ trình đặt ngày 15 tháng 12 năm 2026 làm hạn chót cho một đề xuất. Đề xuất này sẽ trình bày cách chính phủ có thể hỗ trợ chuyên gia đánh giá tiếp cận sâu hơn bên trong doanh nghiệp.
Theo The New Stack, đến ngày 15 tháng 1 năm 2027, Anthropic dự kiến công bố một khuôn khổ chính sách nhằm định hình tốc độ phát triển AI. Nếu không thực hiện, công ty sẽ giải thích lý do. Anthropic cảnh báo nghiên cứu AI tự động có thể thúc đẩy tiến bộ nhanh hơn khả năng theo kịp của quản trị và an toàn. Công ty cũng thừa nhận lộ trình vẫn có thể thay đổi.
Anthropic chưa phản hồi yêu cầu bình luận của The New Stack vào thời điểm bài gốc được xuất bản.
Nếu muốn theo dõi cuộc giằng co giữa tốc độ phát triển AI và các rào chắn an toàn, hãy tiếp tục đồng hành cùng Sine trong những bài phân tích tiếp theo.
