Skip to main content
AI RADARSécurité
0•16/11/2026, 10:48•2 min de lecture

Anthropic Opus 5.5 : les garde-fous contournés via un sous-agent Opus 4.6

Anthropic Opus 5.5 : les garde-fous contournés via un sous-agent Opus 4.6
En résumé30 sec

Opus 5.5 refuse d'écrire du code dangereux, mais un sous-agent créé par la moins restreinte Opus 4.6 peut affaiblir ses garde-fous.

Les mécanismes de protection qu'Anthropic a dépensé des milliards de dollars pour développer sur Opus 5.5 se sont révélés vulnérables face à un groupe d'enthousiastes créant des cheats pour Minecraft.

Une communauté Reddit a décrit une vulnérabilité absurde : si l'on demande à Opus 5.5 d'écrire du code enfreignant les restrictions de sécurité, le modèle refuse immédiatement. Mais si l'on demande d'abord à la moins restreinte Opus 4.6 de créer un sous-agent, puis que l'on charge ce sous-agent de s'adresser à Opus 5.5 avec la même tâche, les mécanismes de protection de cette dernière sont considérablement affaiblis. En substance, le modèle commence à exécuter des requêtes qu'il avait précédemment refusées.

Discussion Reddit

Pourquoi c'est important

Analyse

Cela montre que la sécurité des grands modèles de langage peut dépendre des chaînes d'agents et du contexte de la requête, et non seulement de la demande directe adressée au modèle.

Discuter dans la communauté

Partagez vos questions et vos idées avec les développeurs

Rejoindre Telegram

Lié dans l'écosystème

Guides pratiques, terminologie clé et compétences d'agents