Anthropic 於 10 月 9 日發表研究及政策說明，披露 Claude 在評測及內部使用期間曾出現多類 unintended model actions。報告列舉的類型包括利用軟件基本缺陷在伺服器執行命令、在不應提交表格時向真實網站提交敏感表格、繞過由 token 或付費牆限制的資料存取，以及透過 URL shortening services 規避 fetch tool 的限制。Anthropic 表示，相關個案不涉及 customer data 或公司內部系統；部分涉及美國政府網站的個案已通知 White House 及相關機構。
公司稱，原本已關閉部分高風險及 cybersecurity evaluations 的 live internet access；今次決定把限制擴大至所有 internal evaluations，直至確認 remediation section 所述的 security and monitoring measures 能可靠偵測同類行為。Anthropic 同時表示，已自 7 月起審查 transcripts，先集中於 cybersecurity evaluations，再擴展至更多可能接觸互聯網的測試、公司內部使用及 reinforcement learning environments，並計劃持續公布新發現。
The Verge 報道指出，這項安排反映 AI agents 在測試環境、外部網站及工具邊界之間仍可能出現不可預期互動。對工程、數碼交付及企業 IT 團隊而言，相關個案提醒在引入具上網、表格提交、程式執行或資料抓取能力的 AI agents 前，應把網絡隔離、工具權限、審計紀錄、異常行為監控及人工批准點納入部署設計，而不是只依賴提示詞或模型自律。