Anthropic Frontier Red Team 发布新评测框架，衡量模型在战术情报定位（账户关联、照片与文本地理定位）和常规武器开发（无人机末段制导、投送、GPS 干扰下导航）上的能力，并给出多组模拟评测数据。模型安全评估正在从'会不会说坏话'进化为'能不能干坏事'的实操度量。