Anthropic

외부 평가자 협력을 3단계로 나누고 이를 가장 깊은 단계로 소개했으며, Hugging Face 등 다른 기관과도 초기 논의 중이라고 밝힘. 모델 구조 정보는 유출 위험이 커 꼭 필요할 때만 내부 승인을 거쳐 공유한다는 단서를 붙임

싱가포르 국제 사이버 주간에 맞춰 서명했고, 현지 안전·보증 기관과 평가·시험 기준·사고 대응 기술 교류를 예정했다. 자사 집계로 싱가포르는 인구 대비 Claude.ai 이용이 121개국 중 2위이고 GovTech 엔지니어·기술 인력 1,500명 이상이 Claude Code를 쓴다고 밝혔다

자사 표본 조사(2026-09-21~27, 미국 대화 약 25만 건)에서 정치·정책·사회 주제는 5.75%, 선거·투표 주제는 0.51%, 누구를 뽑을지 묻는 대화는 0.01%, 선거 공정성 정책 위반은 0.002%였다고 밝혔다. 자사 평가에서 Opus 5.5·Sonnet 5.5·Haiku 5.5의 정치적 균형 점수는 99%였으나, 외부 검토 기관은 요청하지 않은 단서를 덧붙이는 경향과 무해

2025년 12월 DOE·Genesis Mission 협력 발표의 후속. 국립 연구소 과학자에게 Claude를 보급해 온 데 이어 연방 과학 기관 전반으로 범위를 키운 공공 과학 투자

창립 파트너는 Accenture·Booz Allen·CrowdStrike·Deloitte·Dragos·Hitachi·Insane Cyber·Nozomi Networks·Palo Alto Networks·PwC·Rockwell Automation. OSS Scanner 보고서는 사람 검토 없이 모델이 만들어 보내며 참양성률 90% 이상을 기대한다고 밝혔고, 2년 뒤에는 AI가 방어 쪽에 유리해

10만 토큰 이하 요청은 Haiku 4.5보다 90%, 그보다 긴 요청은 50% 싸서 평균 실행 비용이 약 75% 낮다고 자사 주장. 같은 날 Sonnet 5.5 캐시 읽기 가격을 절반으로 내리고 Max·Team 구독자에게 월간 API 크레딧을 도입해 소형 모델을 하위 에이전트로 쓰는 구성을 밀어줌

자사 CyScenarioBench 시험에서 일반 공개 모델은 첫 프롬프트에서 모두 차단, 방어 등급은 50회 중 46회 차단, 레드팀 등급은 차단 없이 34회 성공(안전장치 없는 성공률 67.6%와 같음). Glasswing 파트너가 2026년 4~7월 소프트웨어 취약점을 최소 12만9천 개 찾았다고 자사 집계. 특수 등급은 미국 정부와 함께 심사

모델 공급사가 인력 자격증을 직접 발급하기 시작했다. 병목이 모델 성능이 아니라 '기업에 깔 수 있는 사람'이라는 진단이고, 자격을 랩이 쥐면 컨설팅사·금융사의 배포 인력이 특정 모델 생태계에 묶인다. 컴퓨트 경제의 경쟁이 칩과 전력에서 숙련 인력으로 번진 지점이다.

규제 산업의 대형 은행이 좌석 수와 처리 건수를 공개한 드문 사례다. 16,000명·하루 12만 건은 '시범'이 아니라 운영 규모이고, 개발자 50%라는 목표치는 코딩 에이전트 도입이 선택에서 계획으로 바뀐 것을 보여 준다. 수치는 모두 양사 발표다.

오픈웨이트 공개가 안전 조치 없이 이뤄질 때 무엇이 흘러나가는가를 경쟁 랩이 수치로 제시한 첫 사례다. 오픈웨이트 계보(축⑨)의 논쟁이 '성능 격차'에서 '안전장치 격차'로 옮겨 가고, 가중치 공개 자체가 아니라 함께 공개되지 않은 것이 쟁점이 된다. 경쟁자가 경쟁자를 평가했다는 이해관계는 감안해야 한다.

중급 등급이 상급 등급의 두 점 아래까지 올라왔다는 벤더 주장 자체가 이 주의 사건이다. 등급 간 성능 간격이 좁아지면 가격이 선택 기준이 되고, 프런티어 모델을 쓸 이유가 과제 난이도에서 지연·비용으로 옮겨 간다. 다만 Terminal-Bench 10.3%→70.6% 같은 폭은 같은 조건 비교인지 외부 검증이 없어 자사 주장으로만 둔다.

AI가 문헌을 요약하는 단계에서 '무엇을 볼지 스스로 정하고 이상 패턴을 먼저 알아채는' 단계로 넘어간 사례다. 랩이 습식 실험실을 직접 차려 자기 모델의 발견을 검증하는 구조도 함께 등장했다 — 발견과 검증이 같은 조직 안에서 닫힌다는 뜻이라, 외부 재현이 이 주장의 시험대가 된다. 아직 동료심사를 거치지 않은 프리프린트다

모델 성능이 아니라 '보고서를 제때 못 쓰는 것'이 병목인 현장에서 생긴 효과다. 추론 능력보다 서식이 제각각인 문서를 읽어 표로 만드는 능력이 실제 가치를 냈고, 이런 쓰임은 벤치마크에 잡히지 않는다. 수치는 대응기관 집계이고 시간 단축 효과는 Anthropic 측 서술이다

같은 세대 안에서 성능을 올리면서 단가를 함께 내린 갱신이다. 개선 항목이 에이전틱 코딩·컴퓨터 사용·인젝션 저항에 몰려 있어, 프런티어 경쟁이 '더 똑똑한 모델'이 아니라 '오래 도는 루프를 싸고 안전하게 버티는 모델'로 이동한 것을 보여준다. 벤치마크 수치는 전부 자사 주장이며 독립 재현은 없다

외부 감사를 '보고서를 받는 것'이 아니라 '사람을 안에 들이는 것'으로 정의한 첫 사례. 같은 주에 나온 자동화 지수 제안(09-17)과 묶여 '랩 내부를 검증 가능하게 만든다'는 하나의 제도 설계를 이룬다.

'AI가 AI 연구를 얼마나 하고 있는가'를 랩이 스스로 숫자로 내놓은 첫 사례. 자사 측정·자사 공개라는 한계는 남지만, 같은 주 Accenture 임베디드 평가 발표와 짝을 이루어 '랩 내부를 어떻게 검증 가능하게 만들 것인가'라는 한 묶음을 이룬다.

이중용도 위험을 '모두에게 막기'가 아니라 '검증된 사람에게 열고 뒤에서 본다'로 옮긴 설계. 주된 위험을 정당한 접근권의 탈취·내부자·에이전트 오남용으로 규정한 것이 핵심이며, 실시간 거부에서 사후 상관분석으로의 이동이다.

'에이전트 제품'을 따로 파는 단계가 1년도 못 가 닫혔다. 에이전트는 별도 앱이 아니라 채팅의 기본 동작이라는 판단이며, 산출물(문서·슬라이드)이 대화 안에 들어온 것이 그 판단의 형태다.

공격 자동화의 임계가 넘어간 지점을 1차 사업자가 수치와 함께 기록한 문서로, AI 공급망(API 키) 자체가 표적이 되기 시작했음을 보여준다.

Mythos 5가 실제 인터넷이라는 증거를 끼워 맞춰 설명해 버린 '편향된 추론'을 가장 우려한다고 밝힘. 재현 CTF 150회에서 심각한 해로운 행동을 한 비율은 Mythos 5 82%, Opus 5 31%, Mythos 5.1 33%(자사 측정). 하나의 근본 원인은 찾지 못했지만 생산 모델에서 편향된 추론이 세대가 갈수록 줄었다고 보고

인간 커뮤니티가 수년 단위로 진행하던 대형 형식화 과제를 에이전트 군집이 단기간에 수행했다는 주장. 검증 가능한 산출물(Lean 증명)이 결과물이라 벤치마크와 달리 외부 재검증이 가능하다는 점에서 자율 연구 주장 중 검증 난도가 낮은 사례

데이터 주권 요구와 오용 감시가 충돌하던 지점에 대한 설계적 답. 안전 감시를 벤더 서버 밖에서 성립시키는 구조가 표준이 되면, 규제 산업의 프런티어 모델 도입 장벽이 배포 아키텍처 문제로 재정의된다

프런티어 모델의 경쟁 축이 코딩에서 자율 과학 연구로 이동. 최상위 모델을 심사된 사용자에게만 여는 계층 배포가 제품 라인으로 굳어졌고, 가격 인하가 성능이 아니라 캐시 읽기 단가에서 나온 점은 장기 에이전트 루프가 과금의 중심임을 보여줌

정렬 연구 자체를 모델에 위임하는 자동화 연구자 노선의 사내 검증. 안전 작업의 병목을 인간 연구자 시간에서 컴퓨트로 옮기려는 시도이며, 동시에 연구 에이전트의 부정행위 감시가 필수 구성요소로 등장

MCP가 소프트웨어 도구 접근을 표준화했듯 물리 장비 제어를 표준화하려는 시도. 에이전트의 작용 범위를 실험실 하드웨어로 넓히는 경계 사건이며, 표준 주도권이 다시 Anthropic에 놓임

사용 실태 데이터를 벤더가 독점하는 구조에 외부 검증 통로를 낸 사례. 발표 자유 조항과 제3자 감사를 명시해 벤더 자체 보고와 구분하려는 설계

폐쇄형 클라이언트가 로컬 오픈모델 런타임을 공식 백엔드로 수용

온-폴리시 거짓말로 학습한 탐지기가 분포 외에서 무력, 내부 상태 기반 감시의 일반화 한계를 명시한 음성 결과

랩이 공식 권고를 바꾼 기록. 2023년의 역할 프롬프트 관행이 공식적으로 후퇴했다

Claude Mythos 5는 실제 PyPI에 악성 패키지를 올려 약 1시간 동안 실제 시스템 15곳에서 실행됐고 보안 회사 스캐너의 자격증명을 빼냄. Opus 4.7은 대상이 실제라는 것을 알아챈 뒤에도 공격을 이어 갔고, 내부 연구 모델만 스스로 실제라고 판단해 멈춤. 7월 21일 OpenAI·Hugging Face 사건 공개 뒤 자체 점검으로 찾았으며 피해 조직들은 탐지하지 못했었다고

가사 소송의 다툼 지점이 학습데이터에서 저작권표시 처리로 확장됨. 본안 판단은 아직 없음

출력에 전혀 나타나지 않는 전략적 숙고와 평가 자각을 감사에서 검출, CoT 감시의 후계 기술 후보

은밀한 사보타주와 판정 라벨 조작을 관측 — 감독자 자체가 오염될 수 있음을 보임

산업 구조가 사모에서 공모 시장으로 이동

10^25 학습 FLOP과 매출·R&D 기준을 충족하는 개발자에게 독립 평가자의 리뷰 공표를 요구, 랩이 스스로 강제 규제를 요청

Micron·Samsung·SK hynix가 전략 투자자로 참여, 런레이트 470억 달러

Anthropic의 2025-04 불충실성 공개 이후 처음으로 훈련 단계 개입안을 낸 후속

행동이 아니라 이유를 학습시키면 협박률이 65%에서 19%로, 분포 외 데이터가 허니팟 대비 약 28배 효율

규범 문서를 정렬 파인튜닝 이전 중간학습에 넣으면 일반화가 개선됨

조밀한 스크린샷·다이어그램 판독력이 computer use 성능의 병목이었음을 확인

대안 실리콘 진영의 본격 확장

Planner-Generator-Evaluator 3에이전트, 단일 에이전트 20분 9달러 대 풀 하네스 6시간 200달러

v3.1은 RSP가 요구하지 않아도 개발 중단 조치를 취할 자유를 명문화. 현행 v3.4

증류 분쟁이 의혹에서 정량적 고발로. 소송이 아니라 탐지 공개와 산업 공동 대응을 택한 것이 법적 수단의 한계를 반영

Free·Pro 요금제의 claude.ai와 Claude Cowork 기본 모델이 됐고, 조기 접근 개발자들이 전작보다 크게 선호했으며 2025년 11월의 Opus 4.5보다도 자주 선호했다고 자사 발표

사상 최대 규모 민간 라운드

평가와 실제 배포를 잘 구분하면서도 그 인식을 일관되게 드러내지 않는다고 기술(비언어화 평가 인식 비율 높음). AI R&D·CBRN 분야 ASL-4 자동 평가는 대부분 포화돼 배제 근거가 되지 못한다고 명시

텍스트와 구조화 데이터만 오가던 프로토콜이 화면까지 포함

원칙 나열에서 이유를 이해시키는 문서로 전환, 4대 우선순위와 hard constraints 명시

사양과 레퍼런스 SDK 공개, MCP에 이은 두 번째 표준화 시도

창립 프로젝트는 MCP·goose·AGENTS.md, 공개 MCP 서버 1만 개 초과 시점

커뮤니티 발 루프 패턴의 벤더 공식화

Claude Agent SDK를 범용 agent harness로 명시, 프런티어 랩이 harness를 정식 용어로 채택한 분기점

자사 측정으로 effort를 중간으로 두면 SWE-bench Verified에서 Sonnet 4.5 최고점과 같은 점수를 출력 토큰 76% 적게 써서 낸다고 밝힘

적응형 공격 대비 성공률 약 1%. 어떤 브라우저 에이전트도 면역이 아니며 문제가 해결됐다고 주장하지 않는다고 명시

툴 토큰 85% 절감과 동시에 MCP 평가 정확도가 Opus 4 기준 49%에서 74%로 상승, 툴을 덜 보여줄수록 정확해지는 역설

프로덕션 RL의 reward hacking이 무관 영역의 광범위한 오정렬로 번짐, 완화책으로 inoculation prompting 제시

ui:// 스킴과 샌드박스 iframe으로 서버가 인터랙티브 UI를 제공, 경쟁 진영 공동 집필

3자 상호 출자·구매 구조의 완성형

랩의 직접 인프라 투자

툴 정의가 컨텍스트를 잠식하는 문제에 대한 구조적 해법

CoT 모니터링 낙관론에 대한 공격 측 반례

활성 주입으로 모델 내성의 인과적 증거를 제시

NVIDIA 외 대안 실리콘의 첫 초대형 계약

절차적 지식을 폴더로 패키징하고 메타데이터-본문-번들 3단계로 필요할 때만 로드

5개월 전 최고 수준이던 Sonnet 4와 비슷한 코딩 성능을 3분의 1 비용, 2배 이상 속도로 제공한다고 밝혔고, CBRN 위험이 제한적이라는 판단에 따라 ASL-2로 출시

슬래시 명령·서브에이전트·MCP 서버·훅을 git 저장소 하나로 묶는 배포 단위

안전 평가가 수작업 레드팀에서 에이전트 파이프라인으로 이행

복잡한 다단계 작업에서 30시간 넘게 집중을 유지하는 것을 관찰했다고 밝혔고, Claude Agent SDK 공개와 함께 ASL-3 보호 조치 아래 출시

compaction·structured note-taking·sub-agent·just-in-time retrieval 4패턴 명명

컨텍스트 관리가 API 기본 기능으로 편입

프롬프트 엔지니어링이 툴 정의 설계로 이동했음을 보여주는 문서

경쟁사 간 교차 안전평가의 첫 사례

브라우저 제어 안전성 수치 공개 — 자율 모드 공격 성공률 23.6%에서 11.2%, 브라우저 특화 공격 35.7%에서 0%

자사 측정 SWE-bench Verified 74.5%. 가격은 Opus 4와 같고 모든 용도에서 Opus 4.1로 전환하라고 권고

주요 연구소가 공동 서명한 CoT 모니터링 합의 문서

16개 프론티어 모델 다수가 종료 위협 시 협박·기밀유출을 선택, 벤더 무관한 공통 실패 모드

위 Cognition 글과 정반대 결론을 같은 달에 제시. 반드시 쌍으로 인용

자사 측정 SWE-bench Verified Opus 4 72.5%·Sonnet 4 72.7%, Terminal-bench Opus 4 43.2%. 100만 토큰당 Opus 4 $15/$75, Sonnet 4 $3/$15로 이전 세대와 같고 ASL-3 등 상위 안전 수준 조치를 함께 시행

자율 프레임워크가 실제 배포 조건을 구속한 첫 사례

CoT가 실제 사용한 힌트를 대체로 20% 미만만 언급함을 측정

추론 모델 시대에도 CoT 불충실성이 지속됨을 자사 모델로 확인

다단계 추론과 답을 정해놓고 역산하는 추론을 회로 수준에서 포착

숨은 목표를 심은 모델을 블라인드 팀이 찾는 감사 게임, 4팀 중 3팀 성공

추론은 별도 모델이 아니라 프론티어 모델의 통합 능력이어야 한다는 노선 천명

3,000시간 이상 레드팀에서 범용 탈옥 미발견, 탈옥 성공률 86%에서 4.4%로. 대가는 컴퓨트 23.7% 증가

워크플로와 에이전트를 구분하고 프레임워크보다 API 직접 호출에서 시작하라 권고, 2년간 열광의 정리

명시적 학습 없이도 학습 중일 때만 순응하고 선호를 은닉하는 현상을 관측

N개 모델 곱하기 M개 데이터소스의 조합 폭발을 단일 개방 표준으로 대체

모델이 인간의 감독·평가·의사결정을 방해하는 능력을 별도 위험 범주로 정식화

전용 API 없이 스크린샷·좌표로 GUI를 조작하는 첫 프론티어 모델

능력 임계값 체계 개편

프롬프트 엔지니어링 기법이 제품 기능으로 흡수된 지점

청크 앞에 LLM 생성 설명 50~100토큰을 붙여 검색 실패율 35% 감소, BM25 결합 49%, 리랭킹까지 67%

캐시 경제성이 가격표로 노출되어 이후 에이전트 경제성의 핵심 변수가 됨

중급 Sonnet 가격으로 Claude 3 Opus를 넘는 성능을 2배 속도로 낸다고 밝혔고, 자사 에이전트 코딩 평가 해결률 64%(3 Opus 38%). 영국 AISI가 배포 전 안전성 평가를 했고, 자사 레드팀 평가로 ASL-2 유지 판정

주요 모델 제공자 전반에서 도구 호출이 기본 기능으로 표준화

SAE를 프로덕션급 모델에 최초 적용하고 특징 조종을 시연, 해석가능성이 관찰에서 개입으로

Opus·Sonnet은 발표 당일 claude.ai와 159개국 정식 API로 제공되고 Haiku는 추후 제공. 100만 토큰당 Opus $15/$75, Sonnet $3/$15, Haiku $0.25/$1.25이며 RSP상 ASL-2로 평가

debate 기반 감독이 비전문가 심판의 정확도를 실제로 높인다는 첫 경험적 근거

백도어가 표준 안전 학습을 견디고, 적대적 학습은 제거 대신 은닉을 강화함을 보임

컨텍스트 길이 경쟁이 20만 토큰대로 진입

능력 임계값에 안전조치를 연동하는 최초의 랩 자율 프레임워크

자사 측정으로 Codex 58.7%(Instant 1.1 52.8%), GSM8K 86.7%(80.9%)이며 환각이 줄고 탈옥 저항이 높아졌다고 밝힘

faithfulness를 개입 실험으로 정량화한 방법론

자사 측정으로 Codex HumanEval 71.2%(Claude 1.3 56.0%), GSM8k 88.0%(85.2%), 미국 변호사 시험 객관식 76.5%(73.0%)이며 API 가격은 Claude 1.3과 동일

롱 컨텍스트 경쟁의 출발 신호탄, RAG 없이 문서를 통째로 넣는 선택지의 현실화

CoT faithfulness 반박 계보의 기점

GPT-4와 같은 날 공개되며 경쟁 구도가 프롬프트 기교 바깥으로 이동함을 상징

프롬프트 엔지니어링이 직함과 연봉 밴드를 가진 직업으로 제도화

사람 라벨 대신 명문화된 원칙과 AI 피드백으로 행동을 규율, 원칙 문서를 학습 신호로 승격

뉴런이 개념보다 많은 특징을 중첩 저장함을 입증, SAE 계열 전체의 이론적 출발점