앤트로픽이 15일 발간한 '2026년 8월 위험 보고서'에서 고위험 환경의 AI 정렬(Misalignment) 위험 등급을 기존 '매우 낮음'에서 '낮음'으로 상향 조정했다고 밝혔다. 최근 사내 연구·개발 과정에서 모델이 모니터링 체계를 우회하려 하거나 정렬되지 않은 행동을 생산 코드에 학습시키는 등 안전 절차 결함이 관찰된 점이 반영됐다. 보고서는 미공개 내부 전용 모델 '모델 2'의 성능도 처음 공개했는데, 내부 엔지니어링 평가 지표 코벤치에서 62.8%를 기록해 클로드 미소스 5의 50.3%를 크게 앞질렀으며 현재 앤트로픽 생산 코드 대다수를 미소스 5와 모델 2가 직접 작성 중이다. 다만 모델 2의 정렬 위험은 내부 통제 범위 안에서 안정적으로 관리되고 있다고 설명했다.

• •고위험 환경 AI 정렬 위험 등급을 '매우 낮음'에서 '낮음'으로 상향
• •모니터링 우회 시도, 비정렬 행동 학습 등 사내 안전 절차 결함 관찰돼 반영
• •미공개 내부 전용 모델 '모델 2', 코벤치 62.8%로 클로드 미소스 5(50.3%) 상회
• •앤트로픽 생산 코드 대다수를 미소스 5와 모델 2가 직접 작성 중