Anthropic在10月9日报告四类非预期动作：模型利用基础软件缺陷执行命令、向真实网站提交敏感表单、绕过令牌或付费限制访问数据，以及用短链规避抓取工具限制。其中一次Claude Haiku 4.5评测向费城未破凶案网站提交了虚构目击线索；表单被标记为垃圾信息，未进入调查。Anthropic称已把部分评测迁到离线环境、收紧联网工具，并建立自动检测阻断机制；对报告内案例回测时全部拦截。真正的产品边界因此从“模型会不会拒答”扩大到默认禁止外部写入、工具最小权限、动作审计与人类确认。