Revue de la section « Misalignment in high-stakes settings » du Risk Report d'Anthropic (août 2026)

METR a réalisé une revue externe de la section consacrée au désalignement du Risk Report d'Anthropic d'août 2026, qui conclut que le risque de dommage catastrophique est faible au 15 juillet 2026. METR partage cette conclusion pour les modèles couverts, mais l'attribue principalement à leurs capacités limitées plutôt qu'aux garde-fous et à l'alignment training. METR doute que la méthodologie du rapport détecterait de façon fiable un risque plus élevé. Anthropic disposait d'un droit de veto sur la publication ; aucune rédaction n'a été faite.