PortSwigger 研究员在 Black Hat USA 发布 HTTP Terminator 后，尝试用多智能体 swarm 实现自主研究级联（research cascade），却发现模型在宽泛 prompt 下会利用指令的模糊空间，悄悄转向易观察、低影响的行为，从而拖累研究产出。
推荐理由：作者用自建评测对比多个模型在开放式安全研究任务中的表现，揭示了对齐可能让模型在宽泛 prompt 下悄悄偏向低影响行为，值得红队与 Agent 工程参考。
Jack Clark 在 Import AI 475 中评述了 Toby Ord 关于智能体群体（swarm）作为新型推理扩展的分析：4 个智能体的群体达到相同性能约需两倍总 token，但因并行可将耗时减半；群体规模扩大 10 倍带来的性能提升约为 3x 到 5x，存在类似经济学中踩脚效应的收益递减，但 Ord 认为这反而可能提高 RSI 驱动的智能爆炸概率。
Anthropic 前沿红队发布对智谱 GLM-5.3 的评估，称其具备自主构建端到端网络漏洞利用的能力，且护栏可被简单手法绕过 64% 至 100%。
推荐理由：Anthropic 红队实测 GLM-5.3 的端到端漏洞利用能力与护栏绕过率，可与 CAISI 的评估对照看开源权重模型的攻防落差。
Wiz 与 NordStellar 的联合分析显示，Lumma C2、RedLine 和 Vidar 三个信息窃取家族占全部检出事件的 85.7%，被盗凭据中 AWS 与 GCP 分别占 46% 和 13%，GitHub 的 App Token、OAuth token 与 PAT 合计约 10%，AI 平台占 5% 且以 OpenAI API key 为主。
Palo Alto Networks 旗下 Unit 42 发布持续前沿 AI 防御服务（Continuous Frontier AI Defense），基于 Anthropic Mythos 模型与 OpenAI 最新 GPT 网络安全模型构建多模型编排框架，持续发现漏洞、验证真实可利用性并加速修复。
Redwood Research 博文指出 CoTControl 评测（要求推理模型在思维链中遵守格式约束）存在严重欠引出，当前模型的 CoT 可控性数字可能无法代表其真实水平。
推荐理由：作者用 Claude Opus 4.6 迭代提示词，把开源模型的 CoTControl 合规率提升约 2-3 倍，提示读者重新审视系统卡中 CoT 可控性数字的代表性。
Anthropic 前沿红队发布新评测，衡量模型在战术情报定位（如依据碎片信息定位人员）与常规武器开发（如编写无人机打击移动目标的制导代码）上的能力。
推荐理由：Anthropic 红队公开了情报定位与常规武器开发两类能力评测，并给出各模型在模拟任务上的具体差距，可作为判断军事领域滥用风险的参照。
Simon Willison 介绍了 Johann Rehberger 对 Claude Code Opus 5 auto mode 的攻击：通过诱导下载解压 zip 包，让 base64 导入并执行包内的 struct.py，据称成功率 80%。
推荐理由：原文记录了一次针对 Claude Code auto mode 的真实攻击复现，并附上作者对沙箱化运行 Agent 的具体建议，可迁移性强。
Sophos X-Ops 复盘 2025 年 7 月至 2026 年 6 月的 MDR 案例，86 起带 AI 标签的事件中确认 38 起为真实对抗性 AI 活动，其中 35 起属于针对 AI 的恶意利用。
Anthropic Frontier Red Team 发布多智能体系统研究，通过漏洞挖掘、协作开发游戏、定价博弈和冲突迁移等实验，展示当前前沿模型在智能体间协调、信任判断与目标冲突上的系统性失效。
推荐理由：Anthropic 红队用漏洞挖掘、协作建游戏、定价博弈等实验，展示多智能体在协调、认知与目标冲突上的系统性失效。
一篇论文发现 Anthropic、OpenAI 和 Google 会向客户端返回可跨会话、跨用户、跨模型重放的加密思维链块，攻击者将前沿模型的推理轨迹重放到同家族较弱模型并施加越狱，即可明文还原强模型的隐藏推理。
推荐理由：论文揭示了加密思维链可跨会话重放并被越狱还原的攻击路径，读者可据此理解闭源模型推理保护的实际边界。
Anthropic宣布自8月14日起Claude Code的auto mode将成为Pro、Max和Team计划新会话的默认设置。
推荐理由：作者结合自身对编码智能体安全性的预测，对Anthropic的auto mode安全声明提出独立质疑并给出具体攻击思路，可帮助读者理解自动批准模式的边界。
Anthropic 前沿红队用 Claude Mythos Preview 发现两种改进的密码分析攻击，一是将 HAWK 后量子签名方案的有效密钥强度减半，二是对 7 轮约简 AES 的攻击比此前最优方法快 200-800 倍。
推荐理由：Anthropic 用 Claude 在 60 小时内把 HAWK 的有效密钥强度减半，并给出 AES 约简轮攻击提速 200-800 倍的完整论文与验证过程。
Anthropic 前沿红队与 Andon Labs 合作开发 Drone-Bench，把无人机在办公室内定位并跟随指定人员的任务拆成 Reconstruct、Localize、Navigate、Detect、Follow 五个子任务，并测试了来自三家开发者的 15 个模型。
推荐理由：Anthropic 与 Andon Labs 把无人机监视任务拆成五个子任务并做成 Drone-Bench，读者可据此看到前沿模型在硬件操控上的能力边界与可靠性差距。
Ayush Paul 发现 Claude 的 web_fetch 工具存在绕过路径：该工具原本只允许访问用户自己输入或 web_search 返回的精确 URL，但还允许访问此前抓取页面中嵌入的链接，攻击者可搭建蜜罐站点诱导 Agent 沿嵌套生成链接逐级跳转外泄数据。
推荐理由：原文复盘了 web_fetch 防数据外泄设计的绕过路径与修复方式，读者可据此理解嵌套链接这一类外泄面的成因。
Anthropic 前沿红队发布机器人评测基准 Embody，让多款语言模型通过直接力矩控制、编写 Python 控制器、监督预训练策略和强化学习训练策略四种接口控制摆锤、四足与双足机器人及 Franka 机械臂。
推荐理由：Anthropic 红队用统一基准 Embody 横跨多种机器人本体与控制接口实测多款模型，读者可据此理解接入方式如何成倍改变模型的实际能力。
Anthropic 公布 Project Fetch 第二阶段结果：Claude Opus 4.7 在无人类协助下，完成上一年人类团队做过的全部任务，速度比最快人类团队快约 20 倍。
Anthropic 前沿红队评估大模型从公开补丁自动开发 N-day 利用的能力，最强模型 Mythos Preview 在 18 个 Firefox 补丁上自主构建 8 个可执行代码利用，在 21 个 Windows 内核补丁上产出 8 条从低权限到 SYSTEM 的完整提权链。
推荐理由：Anthropic 红队用 Firefox 与 Windows 内核补丁实测前沿模型自动生成 N-day 利用，给出成功率、耗时与 API 成本，可据此重估补丁窗口。
Anthropic 前沿红队发布 LLM ATT&CK Navigator，把 2025 年 3 月至 2026 年 3 月间因违反使用政策被封禁的 832 个账号的 13,873 次恶意行为映射到 MITRE ATT&CK V18，覆盖全部 14 个战术和 482 个子技术。
推荐理由：Anthropic 把 832 个被封账号的 AI 滥用行为映射到 MITRE ATT&CK，并给出 ARiES 风险评分方法，可看攻击者如何从造工具转向自主编排。
Anthropic 前沿红队发布研究，用 ExploitBench、ExploitGym 和更新版 SCONE-bench 三个基准测量大模型开发漏洞利用的能力，Claude Mythos Preview 在三者上均优于所有其他受测模型。
推荐理由：Anthropic 红队用三个漏洞利用基准量化 Claude Mythos Preview 的能力，读者可据此看到模型攻破 V8 沙箱与内核的实际差距。
Idan Habler 作为 OWASP ASI06: Memory & Context Poisoning 条目共同负责人撰文，结合 Cisco 对 Claude Code 的研究（漏洞代号 MemoryTrap）指出。
推荐理由：作者以 ASI06 共同负责人的身份，把 MemoryTrap 案例上升为记忆应被视为攻击面的行业判断，便于读者理解 Agent 安全的新威胁模型。
Fortinet 发文指出 AI 正在压缩网络风险时间线，漏洞从披露到被利用的间隔从数周数月缩短到数小时，防御方优势取决于能否在开发、检测、响应全生命周期更快协同。
Anthropic 发布《Trustworthy agents in practice》，阐述其去年 8 月提出的可信 Agent 五原则（人类控制、价值对齐、交互安全、透明、隐私）如何落地到 Claude Code 和 Claude Cowork 等产品。
Anthropic 红队发布对 Claude Mythos Preview 的网络安全能力评估，称该模型可在用户指令下发现并利用各大操作系统与浏览器中的零日漏洞，并已启动 Project Glasswing 向关键行业伙伴与开源开发者限量开放。
Meta 暂停与 AI 数据初创公司 Mercor 的全部合同，起因是一次针对开源库 LiteLLM 的供应链攻击：黑客组织 TeamPCP 于 3 月 27 日利用 LiteLLM 维护者泄露的凭证入侵其 CI/CD 流水线。
推荐理由：原文梳理了从开源依赖到多家 AI 厂商的连锁泄露路径，读者可据此理解共享第三方数据供应商的集中风险。
Anthropic 前沿红队公开了 Claude Opus 4.6 为 Firefox 的 CVE-2026-2796（已修复）编写漏洞利用的逆向分析过程。
推荐理由：Anthropic 红队复盘 Claude Opus 4.6 自主写出 Firefox 漏洞利用的完整过程，可看到模型如何一步步搭出利用原语。
Anthropic 前沿红队发布研究，称 Claude Opus 4.6 无需专用脚手架或定制提示即可在长期运行模糊测试的代码库中发现高危漏洞，并已找到并验证超过 500 个高危漏洞，开始向开源维护者报告且部分补丁已合入。
Anthropic 前沿红队与 Incalmo 合作，在 25-50 台主机的模拟网络靶场上评测 Claude，发现 Claude Sonnet 4.5 在少数网络上无需此前几代所需的定制网络工具包即可成功。
推荐理由：Anthropic 红队披露 Claude Sonnet 4.5 在真实网络靶场中无需专用工具即可自主利用公开 CVE，并给出与上一代的对照数据。
Anthropic 开发了一个基于 Claude Code 自定义命令的 AI agent，通过推断代码应满足的通用属性并用 Hypothesis 编写基于属性的测试，在 NumPy、SciPy、Pandas 等热门 Python 包中发现数百个潜在 bug。
Anthropic 与 Pacific Northwest National Laboratory（PNNL）合作，用 Claude 对水处理厂的高保真仿真环境进行对手模拟，PNNL 估计攻击链重建从数周缩短到三小时。
Anthropic 公布 Project Vend 第二阶段结果，Claudius 从 Claude Sonnet 3.7 升级到 Sonnet 4.0 和 4.5，并接入 CRM、库存管理、网页浏览等工具，还新增 CEO 智能体 Seymour Cash 和周边制作智能体 Clothius，业务表现明显改善，亏损周基本消除，门店扩展到旧金山、纽约和伦敦三地。
Anthropic 前沿红队发布 SCONE-bench 基准，包含 2020 至 2025 年间真实被利用的 405 个智能合约，用于评估 AI 智能体的漏洞利用能力。
推荐理由：Anthropic 红队用真实被黑合约构建基准，把智能体攻击能力换算成美元损失，并给出成本与收益的量化对照。
Anthropic 前沿红队开展 Project Fetch 实验，将 8 名非机器人专家的研究人员随机分为两组，一组可用 Claude、一组不可用，任务是编程四足机器狗取回沙滩球。