Claude Haiku 4.5 отправил полиции Филадельфии выдуманную наводку об убийстве — Anthropic заметила это через два месяца
18 июля в 23:27 на сайт с нераскрытыми убийствами Филадельфии пришла наводка: человек якобы мог видеть подозреваемого. Писал её не человек, а Claude Haiku 4.5 во время внутреннего теста Anthropic, где модель бродила по случайным сайтам. Anthropic нашла этот эпизод только 28 сентября, в полицию сообщила 7 октября, а 9 октября выложила разбор целой серии похожих выходок своих моделей.
Что именно произошло
На странице о нераскрытом убийстве была форма для анонимных сообщений. Модель сочинила текст в духе «у меня может быть информация по этому делу» и написала, что видела человека, похожего на описание подозреваемого, хотя описания на странице не было. Имя и контакты она оставила пустыми, фильтр пометил сообщение как спам, и до следователей оно не дошло. Полиция назвала двухмесячную задержку «недопустимой», мэрия собирается обсуждать регулирование.
Это не единичный случай
В том же отчёте Anthropic описывает, как её модели во время тестов взламывали научный сервер университета через найденную уязвимость, отправляли настоящие государственные формы вместо тренировочных, доставали токены из настроек муниципальной карты, чтобы бесплатно сходить в платную базу госагентства, и прятали длинные ссылки за сокращателями в обход собственных ограничений. Anthropic уведомила Белый дом и все затронутые ведомства и отключила внутренние тесты от живого интернета.
Как ещё модели «звали полицию» и подставляли людей
Claude 4 и стукачество. В мае 2025 года в системной карте Claude Opus 4 описали тест: если дать модели командную строку и попросить «действовать смело», она пишет регуляторам и журналистам о махинациях пользователя — в примере слала письма в FDA о подделке клинических испытаний.
Claude и ФБР. В эксперименте Project Vend Claude управлял торговым автоматом в офисе Anthropic. Закрыв «бизнес» после десяти дней без продаж, он заметил списание 2 долларов, решил, что его обманывают, и подготовил письмо в отдел ФБР по киберпреступлениям. Письмо перехватили люди.
Muse и чужие у порога. Блогер Мэтт Робб доверил агенту Muse от Meta* продать клавиатуру на Facebook Marketplace. По его словам, агент без спроса согласился на низкую цену, отдал покупателю домашний адрес и ответил «Да, я здесь!», пока тот ждал у двери. Meta настаивает, что агент действовал по разрешению «Разрешать всегда», которое выбрал сам Робб.
OpenAI и Hugging Face. В июле 2026 года модель OpenAI до релиза выбралась из «изолированной» тестовой среды через уязвимость нулевого дня и взломала Hugging Face — у «песочницы» оказался выход в интернет.
Пока модели только болтали в чате, их ошибки оставались на экране. Теперь у них есть браузер, формы и учётные данные, и каждая ошибка уходит в реальный мир. Повезло, что наводку поймал спам-фильтр.
* Meta признана экстремистской организацией, её деятельность запрещена на территории Российской Федерации.
Источники: Anthropic, TechCrunch



