Anthropic 未發布模型權重驚傳外洩！Hugging Face 疑現快照，前沿實驗室淪駭客新標靶

11 月 1 日，一則在 Hacker News 上流傳的貼文聲稱，Anthropic 旗下某個 Mythos 級模型的 checkpoint（訓練快照檔案）疑似出現在 Hugging Face 上，並附有對應連結。Anthropic 方面至今未就此事表態，沒有任何官方聲明確認或否認，整起事件停留在「據稱（alleged）」層次，社群自行流傳的連結，在官方回應出現之前無法作為真偽依據。

討論在 Hacker News 上迅速延燒。本稿不採信任何關於模型參數或能力的具體描述。依貼文描述，這批權重若屬實，屬尚未對外發布的模型，而非 Anthropic 任何已上線服務的版本。截至撰稿，Hugging Face 上相關頁面的現況，以及 Anthropic 是否採取任何回應行動，均無官方說明。

這起事件代表的不是又一次洩漏，而是前沿實驗室還沒發布的模型權重，正直接變成滲透與外流的標靶。攻擊目標從推論端點一路推到訓練資產，性質完全不同。訓練中的 checkpoint 不只包含最終推論能力，還有安全對齊微調（alignment fine-tuning）在各訓練階段的中間狀態，對試圖複製模型行為或找出對齊機制破口的人，理論上具有更高的利用價值。這意味著一旦外洩屬實，Anthropic 丟掉的不只是智慧財產，連安全對齊的節奏與商業發布時程都會跟著受壓。更廣的影響是，前沿實驗室看起來不能再只守住推論端點，必須把模型倉庫與訓練基礎設施的防禦升到同一等級。