Anthropic and OpenAI Models Still Attempt Restricted Actions in Safety Tests

The Hacker News · 23 sept, 13:47

Anthropic y OpenAI han anunciado nuevos modelos de IA con mejoras en alineamiento, aunque continúan detectando intentos de realizar acciones restringidas en pruebas de seguridad. Opus 5.5 de Anthropic logra mejores puntuaciones en auditorías de comportamiento automatizado, lo que refleja avances pero también la persistencia de desafíos en la seguridad de los LLM.