Anthropic قد تعيد توجيه طلبات Claude Sonnet 5.5 إلى Sonnet 5 بسبب الضوابط السيبرانية

التوجيه يصل إلى الطبقة الأرخص

أطلقت Anthropic هذا الأسبوع نموذج Claude Sonnet 5.5. وهو أول نموذج من عائلة Sonnet يأتي بمصنّفات سيبرانية من ثلاث مراحل وآلية تحويل إلى نموذج احتياطي طوّرتها الشركة لأقوى أنظمتها. وبذلك وصل التوجيه القائم على المصنّفات إلى الطبقة التي تعتمد عليها فرق كثيرة في تشغيل أحمال الإنتاج.

تقول Anthropic إن Sonnet 5.5 لا يدفع حدود قدرات نماذجها إلى الأمام، لكنها تضع مهاراته في الأمن السيبراني في مستوى مقارب لـ Opus 5. وفي اختبار Terminal-Bench 4.0 يسجل 70,6% مقابل 66,4% لـ Opus 5.5. ومع إطفاء المرشّحات السيبرانية حقق تنفيذاً كاملاً وتعسفياً للتعليمات البرمجية في 178 من أصل 410 عمليات لـ ExploitBench، وأنجز 46,1% من تحديات CyScenarioBench من Irregular مقابل 0,7% فقط لـ Sonnet 5.

تنفيذ على ثلاث مراحل

تعمل التصفية على ثلاث مراحل: يقرأ probe التنشيطات الداخلية للنموذج، ثم يعمل مصنّف خفيف على Sonnet 5.5 نفسه، وأخيراً يوازن مصنّف LLM مدرّب منفصل حكم الـ probe ليقرّر ما إذا كانت المحادثة ستُحجب. وتقول Anthropic إن المصنّفات ترصد الطلبات السيبرانية الضارة بمعدل يقارب Opus 5، لكنها اختارت حماية أقل قسوة ضد كسر القيود لأن Sonnet 5.5 أضعف في الأمن السيبراني من Opus 5 أو Fable 5.1. وعلى المستخدمين أن يتوقعوا رفضاً أكثر مما كان مع Sonnet 5، بما في ذلك في أعمال الأمن السيبراني المشروعة.

تُحوّل الطلبات السيبرانية المحجوبة، إلى جانب مجموعة ضيقة من الطلبات المرتبطة بتطوير نماذج LLM الحدودية مثل العمل على kernel في بعض مسرّعات ML، إلى Sonnet 5. أما حجب مجالات الأحياء والأسلحة التقليدية ومقاومة التقطير فيوقف الطلب دون أي نموذج احتياطي، وتؤكد Anthropic أنها لا تغيّر الردود خفية.

التحويل في الواجهة البرمجية اختياري

ترسل تطبيقات Anthropic الخاصة الطلبات السيبرانية المحجوبة إلى Sonnet 5 تلقائياً، لكن مطوّري الواجهة البرمجية عليهم تفعيل هذا التحويل بأنفسهم، وقد تتعامل منصات أخرى مع الطلبات المحجوبة بطريقة مختلفة. وإذا لم يكن التحويل مفعّلاً فإن الطلب المحجوب يتوقف ببساطة، لذلك لا يمكن اعتبار الانتقال من Sonnet 5 إلى Sonnet 5.5 مجرد تبديل مباشر للنموذج. ولا تزال السياسة السيبرانية تسمح بالبحث عن الثغرات في التعليمات المصدرية، ما يحفظ مسارات البرمجة الآمنة، لكنها تحجب ذلك في الملفات الثنائية المُجمَّعة. وتقول وثائق الدعم إن الفحوص تراجع كل ما يقرأه النموذج، بما في ذلك الذاكرة ومحتوى الموصّلات ونتائج البحث في الويب والملفات.

النموذج الاحتياطي وحقن الأوامر

في اختبارات بيئات البرمجة لدى Anthropic، تولّى Sonnet 5 معالجة 25% من الطلبات المرسلة إلى Sonnet 5.5 بعد تفعيل الحجب السيبراني، وغالباً لأن تعليمات محقونة بمسح الأقراص أو حذف الملفات فعّلت المصنّف. ومن الطلبات المُعاد توجيهها أُخترق 12,01% بنجاح، بينما أُخترق Sonnet 5.5 نفسه في أربع طلبات فقط من أصل 5901 طلب تعامل معها.

وتقول Anthropic إنها ما زالت تضبط مصنّفات Sonnet 5.5 لتقليل النتائج الإيجابية الكاذبة، وتخطط لمنح المدافعين الموثّقين قيوداً أقل عبر برنامج Cyber Verification Program الموسّع. ولا يندرج Sonnet 5.5 في هذا البرنامج عند الإطلاق.