Claude Opus 5.5 từ chối ca phẫu thuật chuột: Anthropic ghi nhận việc chuyển hướng, còn tài khoản mô tả một bức tường

Vào đêm 27 tháng 10, một con chuột bị động kinh được gây mê và 250 nanolít liệu pháp gene được đưa vào não nó xuyên qua một tay máy định vị lập thể chạy bằng mô tơ. Một bác sĩ phẫu thuật là người đã mở hộp sọ. Một bác sĩ thú y có giấy phép đã phê duyệt mọi bước không thể đảo ngược và giữ một công tắc ngắt khẩn cấp vật lý. Việc chọn vector nào trong số 19 vector ứng viên để đưa vào, và đưa vào vị trí nào trong não, do một tác nhân AI quyết định — và theo lời kể mà người vận hành nó đăng trên X ngày 28 tháng 10, mô hình đã đưa ra lựa chọn là Claude Sonnet 5, mô hình mà Anthropic phát hành ngày 30 tháng 6 năm 2026 và hiện được liệt kê là legacy. Hai mô hình mới hơn đã được thử trước. Claude Opus 5.5, mô hình Opus hiện tại, phát hành ngày 22 tháng 9 năm 2026, đã từ chối ngay khi phát hiện nhiệm vụ mang tính sinh học. Claude Opus 5, phát hành ngày 24 tháng 7 năm 2026, đã tập dượt toàn bộ quy trình trên nước và giấy kẻ ô, rồi từ chối bắt đầu trên một con vật sống. Không mô hình nào trong ba mô hình là mới, và không có gì được tung ra trong tuần này — sự kiện mới là điều mới, và đó là lý do duy nhất khiến bài viết này tồn tại.

Điều tiếp sau đây tách bạch ba thứ mà các bài đưa tin đã gộp lẫn vào nhau: điều mà người vận hành nói đã xảy ra, điều mà tài liệu công khai của Anthropic nói rằng phải xảy ra khi một mô hình Claude gặp sinh học, và điều mà mỗi thứ trong số đó hàm ý gì cho một nhóm đang vận hành các agent có đụng đến công việc phòng thí nghiệm. Thứ nhất là chưa được kiểm chứng và chỉ có một nguồn duy nhất. Thứ hai đã được công bố, có ghi ngày tháng, và hành xử khác với giai thoại theo một cách có ý nghĩa quan trọng. Thứ ba là phần duy nhất mà bạn có thể hành động ngay hôm nay.

Lời khẳng định, ở mức chi tiết mà các bản tóm tắt đã bỏ qua

Luồng thảo luận mô tả một thiết lập chứ không phải một bản demo. Mười chín vector liệu pháp gen đã được giao cho tác nhân trong một bảng tính. Nó được cung cấp một mô hình chuột bị động kinh, một giàn định vị lập thể cơ giới hóa tùy chỉnh được xây dựng trên Arduino với camera và các điều khiển động cơ được cung cấp dưới dạng công cụ, và một mục tiêu: giảm cơn co giật. Nó đã chọn một vector tăng cường tín hiệu GABA dưới một promoter giới hạn GABAergic, lấy tọa độ tiêm từ ba bài báo nghiên cứu, quan sát một phẫu thuật viên thực hiện ca mở sọ — một bước mà nó không được phép thử — rồi tự điều khiển cánh tay, tiêm 250 nanolit, và tạm dừng 32 lần trên các khung hình camera để kiểm tra vị trí vào xem có chảy máu không. Sự giám sát là phần khiến câu chuyện đáng tin như một công trình kỹ thuật: các cổng kiểm soát con người trên mọi hành động không thể đảo ngược, trình xác thực thể tích, phê duyệt ràng buộc bằng hàm băm, và một bác sĩ thú y với nút dừng khẩn cấp vật lý. Con chuột được cho là đã hồi phục.

Điểm thu hút chính là hành vi của mô hình. Claude Opus 5.5 từ chối ngay khi nhận ra nội dung sinh học. Claude Opus 5 đã hoàn thành một lần chạy thử toàn bộ trên nước và giấy kẻ ô vuông, rồi dừng lại ở ngưỡng của ca phẫu thuật thực tế; bản tóm tắt ngày 29 tháng 10 của The Rundown về luồng thảo luận dẫn lời nó nói rằng bắt đầu một việc mà nó không thể hoàn thành trên một con vật đã được gây mê còn tệ hơn là không bắt đầu. Claude Sonnet 5, trong cùng bản tóm tắt đó, đã hoàn thành thủ thuật từ đầu đến cuối.

Nguồn thông tin là lời kể của một người. Gabriel Ocana-Santero là đồng sáng lập của Exin Therapeutics, một công ty khởi nghiệp liệu pháp gen thuộc YC W25, và chuỗi bài đăng là của anh ấy; mọi thứ phía sau — bài tóm tắt, các bài đăng tổng hợp, các bản tóm tắt tiếng Trung — đều bắt nguồn từ đó. Chúng tôi không tìm thấy bản tiền xuất bản nào, không có tài liệu giao thức, không có tham chiếu đến phê duyệt đạo đức, không có số liệu về các cơn co giật trước hoặc sau, không có video về mũi tiêm, và không có xác nhận từ bên thứ ba. “Đã hồi phục” không được định nghĩa. Ngày của thí nghiệm chỉ được ghi là đêm hôm trước. Hai câu khác nhau được gán cho Claude Opus 5 trong các nguồn; điều này giống như dấu hiệu của việc diễn giải lại và cũng là lời nhắc rằng mọi trích dẫn ở đây đều là gián tiếp. Hãy coi toàn bộ lời kể này như một tuyên bố đang chờ một bài báo, chứ không phải như một kết quả.

Claude mới nhất là phiên bản có bậc sinh học nghiêm ngặt nhất.

Thứ tự từ chối trong giai thoại không phải ngẫu nhiên, và nó khớp với các biện pháp bảo vệ mà Anthropic công bố công khai. Khi Claude Opus 5.5 được phát hành vào ngày 22 tháng 9, nó đi kèm cấp biện pháp bảo vệ trước đây dành riêng cho Claude Fable 5.1 — các bộ phân loại cho an ninh mạng, sinh học và chưng cất. Về sinh học, bài viết trên trung tâm trợ giúp của Anthropic ngày 25 tháng 9 nói rằng Opus 5.5 có "các bộ phân loại an toàn tương tự như của Claude Fable 5 đối với sinh học" và có thể chuyển sang Claude Opus 5 làm phương án dự phòng đối với các yêu cầu lưỡng dụng trong những lĩnh vực như virus học, độc chất học và thiết kế phân tử, đồng thời lưu ý rằng hầu hết yêu cầu gửi đến một trong hai mô hình không hề gặp phải tình huống dự phòng nào. Claude Opus 5, cũ hơn một thế hệ, hoàn toàn không có cơ chế chuyển sang dự phòng về sinh học; bài viết nói rằng nó sử dụng các biện pháp bảo vệ tương tự như Claude Opus 4.8 cho những chủ đề đó. Claude Sonnet 5 có trước toàn bộ thiết lập này.

• Claude Opus 5.5 — ra mắt ngày 22 tháng 9 năm 2026, 4 đô la cho đầu vào và 20 đô la cho đầu ra trên mỗi triệu token, các bộ phân loại sinh học cấp Fable 5, sinh học lưỡng dụng được chuyển hướng đến Claude Opus 5, đủ điều kiện tham gia Chương trình Xác minh Khoa học Sự sống của Anthropic.

• Claude Opus 5 — ra mắt ngày 24 tháng 7 năm 2026, 5 đô la và 25 đô la mỗi triệu token, không có phương án dự phòng sinh học, các biện pháp bảo vệ thời Opus 4.8, cũng đủ điều kiện xác minh.

• Claude Sonnet 5 — phát hành ngày 30 tháng 6 năm 2026, $2 và $10 mỗi triệu token, được liệt kê là phiên bản kế thừa (legacy) với thời điểm ngừng hỗ trợ không sớm hơn ngày 30 tháng 6 năm 2027, đủ điều kiện xác minh.

Đọc ba dòng đó cùng nhau, và giai thoại không còn giống như ba mô hình bất đồng về đạo đức. Mô hình có năng lực nhất và tốn kém nhất để suy luận có cổng chặt nhất; mô hình thực hiện ca phẫu thuật là mô hình cũ nhất, rẻ nhất và ít được bảo vệ nhất trong ba mô hình. Đó là một lựa chọn thiết kế đang hoạt động đúng như cấu hình, không phải một lượt tung đồng xu.

Hành vi được ghi trong tài liệu là một phép thay thế. API không thực hiện việc này theo mặc định.

Đây là chỗ mà tài khoản và tài liệu khác nhau, theo cách có thể sẽ thay đổi cách bạn xây dựng. Thiết kế của Anthropic cho Opus 5.5 biology không phải là một bức tường mà là một sự chuyển giao: yêu cầu được chuyển sang Claude Opus 5, phương án dự phòng được hiển thị rõ (“Mọi dự phòng đều minh bạch”), phản hồi được gắn nhãn bằng mô hình đã trả lời, và câu trả lời được tính phí theo mức giá của mô hình phản hồi. Từ chối — dừng hoàn toàn — là điều mà tài liệu mô tả cho các nỗ lực chưng cất, nơi các khối được nêu rõ là không dự phòng.

Chi tiết giải thích được nhiều điều: tính năng chuyển đổi tự động được bật theo mặc định trong các ứng dụng Claude, nhưng trên API, Anthropic nói rằng nó không hoạt động theo mặc định — cho đến khi bạn thiết lập, mô hình trả về phản hồi 200 kèm lý do dừng. Một agent harness đọc phản hồi đó sẽ thấy trạng thái dừng, chứ không phải một sự thay thế. Vì vậy, “Claude Opus 5.5 đã từ chối” chính xác là những gì một pipeline chưa được cấu hình sẽ trông như thế, bất kể bộ phân loại tự dừng yêu cầu hay fallback đơn giản là chưa bao giờ kích hoạt. Hai cách diễn giải đều phù hợp với lời kể như nhau, và chúng có những cách sửa khác nhau. Và nếu tính năng chuyển đổi đã được cấu hình, mô hình đã từ chối có thể là Claude Opus 5 trả lời thay cho Opus 5.5, điều mà người vận hành chỉ có thể biết được từ nhãn phản hồi.

Chi tiết về cách tính phí này đáng để bạn biết trước khi định tuyến các yêu cầu sinh học với khối lượng lớn. Những yêu cầu bị bộ phân loại sinh học chặn lại trước khi tạo ra bất kỳ đầu ra nào vẫn bị tính phí, trong khi các chặn ở những danh mục khác thì không. Phản hồi dự phòng được tính phí riêng, theo mức giá của mô hình đưa ra phản hồi — và mô hình đích dự phòng là mô hình đắt hơn: Claude Opus 5 với giá 5 USD và 25 USD mỗi triệu token, so với Claude Opus 5.5 ở mức 4 USD và 20 USD. Do đó, mỗi lần định tuyến lại yêu cầu sinh học đều có chi phí trên mỗi token cao hơn 25% so với mô hình bạn yêu cầu, trước khi tính đến khoản bù trừ lỡ bộ nhớ đệm mà Anthropic cho biết có áp dụng.

Bộ phân loại đóng vai trò cổng kiểm soát đối với đối tượng, không phải đối với rủi ro.

Các bộ phân loại của Anthropic xem xét mọi thứ mô hình đọc, gồm bộ nhớ, nội dung trình kết nối, kết quả tìm kiếm web và tệp — đó là lý do nội dung bạn chưa từng nhập có thể kích hoạt dừng — và công ty nói các kiểm tra của mình cũng tính đến “một loạt tín hiệu tin cậy của tài khoản”, đây là lý do được ghi nhận khiến hai tài khoản có thể nhận câu trả lời khác nhau cho cùng một yêu cầu. Đó là bộ lọc miền, và tài khoản chuột cho thấy bộ lọc miền chặn được gì và không chặn được gì. Các mối nguy vật lý trong quy trình đó được con người và phần cứng quản lý: bác sĩ thú y kiểm soát từng bước không thể đảo ngược, bộ xác thực thể tích, nút dừng khẩn cấp trong tay người. Thứ chặn mô hình là từ vựng của sinh học.

Sự tương phản với kiểm thử từ chối trong thế giới vật lý là rất rõ rệt. Vào ngày 18 tháng 9 năm 2026, nhóm đánh giá robot Robocurve đã công bố RoboHarm: 300 thử nghiệm được con người đánh giá, trong đó ba policy điều khiển cùng những cánh tay hai tay qua năm cảnh dàn dựng. Claude Fable 5.1 từ chối cả 20 lần thử với chỉ dẫn “đâm vào thứ không phải bánh mì” và không từ chối lần nào trong 80 lần còn lại; GPT-6 Astra ghi nhận hai lần từ chối vì an toàn trong các lần chạy của nó; ngoài một cảnh đó, hai policy tiên phong ghi nhận hai lần từ chối an toàn trong 160 thử nghiệm. Việc từ chối ở đó xảy ra với một chỉ dẫn mà mối nguy nằm ngay trong câu. Việc từ chối ở đây xảy ra với một nhiệm vụ mà mọi mối nguy đều do con người kiểm soát. Đó là hai cổng khác nhau, và không cổng nào là lập luận an toàn cho công việc phòng thí nghiệm tự động — con chuột sống sót, nếu quả thực nó sống sót, là nhờ bác sĩ thú y và công tắc dừng khẩn cấp, chứ không phải nhờ agent đã thể hiện phán đoán.

Con đường hợp pháp thực sự nằm ở đâu

Nếu công việc của bạn là sinh học thực thụ và các điểm dừng đang khiến bạn tốn kém, thì con đường mà Anthropic công bố là một chương trình xác minh, chứ không phải một chỉnh sửa nhỏ trong prompt. Chương trình Xác minh Khoa học Sự sống hiện đang ở giai đoạn beta và áp dụng cho Claude Mythos 5.1, Claude Opus 5.5, Claude Opus 5 và Claude Sonnet 5, với tối đa 100 chỗ cấp phép cho mỗi nhóm, cùng một bộ biện pháp bảo vệ sinh học được tinh chỉnh nhằm chấm dứt các gián đoạn thường gặp, và một tiện ích bổ sung Sử dụng Rủi ro Cao tùy chọn dành cho các dự án như nghiên cứu virus học hoặc độc tố. Đổi lại là giám sát thay cho quyền riêng tư: dữ liệu sử dụng chương trình được lưu giữ trong 30 ngày, và không có tùy chọn lưu giữ dữ liệu bằng không. Các trường hợp loại trừ cũng quan trọng không kém các trường hợp bao gồm — không có mô hình Fable, không có khối lượng công việc PHI, không có khách hàng chỉ dùng nhà cung cấp đám mây, không có cá nhân không liên kết, không có gói Pro hay Max, và đặc biệt, không có nền tảng nào chuyển quyền truy cập cho khách hàng của mình. Điểm cuối cùng đó chính là ranh giới mà một bộ định tuyến không thể vượt qua thay bạn: các biện pháp bảo vệ sinh học được nới lỏng phải là cấp phép của chính tổ chức bạn, chứ không phải một tính năng của nhà bán lại.

Điều mà định tuyến thực sự mang lại cho bạn ở đây là sự trung thực về việc mô hình nào đã trả lời. Claude Opus 5.5 nằm trong danh mục của chúng tôi với giá niêm yết của Anthropic, 4 đô-la và 20 đô-la mỗi triệu token, không có phụ phí, và Claude Opus 5 cũng vậy với 5 đô-la và 25 đô-la, cùng Claude Sonnet 5 với 2 đô-la và 10 đô-la — một API cho hơn 200 mô hình với 0% phụ phí, vì vậy một thay đổi giá từ nhà cung cấp sẽ có hiệu lực ở phía chúng tôi ngay trong cùng ngày chứ không phải vào ngày kỷ niệm hợp đồng. Hữu ích hơn cho câu chuyện này, lớp định tuyến ghi lại mô hình thực sự đã tạo ra từng phản hồi, điều mà một cơ chế dự phòng chưa được cấu hình sẽ che giấu.

Định tuyến không mang lại cho bạn cách lách qua một điểm dừng chính sách. Một lần từ chối là phản hồi thành công từ một mô hình đã chủ động từ chối, chứ không phải sự cố của nhà cung cấp, và cơ chế chuyển đổi dự phòng tự động được thiết kế cho loại thứ hai — hết thời gian chờ, giới hạn tốc độ, nhà cung cấp chập chờn giữa phiên gọi. Nhắm chuyển đổi dự phòng vào loại thứ nhất sẽ biến một biện pháp bảo vệ có chủ đích thành cuộc đua tìm ra mô hình dễ dãi nhất trong danh mục, điều đó là ý tồi với một phòng thí nghiệm và còn tồi hơn với một nhà cung cấp phải chịu trách nhiệm về nó.

Năm tuần sau khi Anthropic tuyên bố họ không làm điều này

Điều khiến tuyên bố này đáng được ghi lại chính là thời điểm. Ngày 23 tháng 9 năm 2026, Anthropic công bố phát hiện đầu tiên từ phòng thí nghiệm ướt của chính mình: khoảng 950 tác tử Claude chạy song song trong 21 giờ và tiêu thụ 210 triệu token, sàng lọc hơn 200.000 trình tự phiên mã ngược xuống còn khoảng 3.500 ứng viên rồi khoảng 20 ứng viên chung kết, một trong số đó đánh dấu một dãy lặp cách đều nằm cạnh một gen phiên mã ngược. Hệ thống được đặt tên là ART, kéo theo những so sánh với CRISPR, cổ phiếu chỉnh sửa gen biến động, còn công trình nền tảng chỉ là bản thảo chưa bình duyệt chứ không phải kết quả đã qua bình duyệt. Trong thông báo, việc điều khiển tự động thiết bị phòng thí nghiệm được trình bày như một khả năng trong tương lai, phụ thuộc vào các biện pháp bảo vệ — phần việc thực hành trên bàn thí nghiệm do các nhà khoa học con người thực hiện, trong một phòng thí nghiệm BSL-1/BSL-2.

Năm tuần sau, một nhà sáng lập công ty khởi nghiệp nói rằng một mô hình Claude đã chọn một liệu pháp và đưa mũi kim vào não của một động vật còn sống, với con người kiểm soát các bước không thể đảo ngược. Đó không phải là cùng một tuyên bố, và tuyên bố thứ hai mới là tuyên bố khó hơn: đó là một khẳng định của bên thứ ba về đúng bước mà Anthropic mô tả là chưa xảy ra. Chúng tôi không tìm thấy bình luận nào của Anthropic về việc này. Việc không có bình luận không phải là xác nhận, cũng không phải là phủ nhận — đó là trạng thái hồ sơ tính đến ngày 30 tháng 10.

Điều gì sẽ giải quyết được nó?

Một bản preprint sẽ làm phần lớn công việc: lý do chọn vector, cách dẫn xuất tọa độ, bề mặt điều khiển của giàn thí nghiệm, hồ sơ của bác sĩ thú y, số lần co giật trước và sau, và đủ video để cho thấy các quyết định của tác nhân là do chính tác nhân đưa ra. Một phòng thí nghiệm thứ hai lặp lại việc tiêm trên một vector khác sẽ làm nốt phần còn lại. Chưa có gì trong số đó tồn tại, và cho đến khi có, câu chuyện vẫn chỉ là một chuỗi thảo luận hay với phần mô tả thiết bị chi tiết bất thường và không có dữ liệu.

Tuy nhiên, những dữ kiện đã được ghi chép không cần một bài báo, và chúng chính là thứ để dựa vào mà xây tiếp. Opus hiện tại là mô hình dừng lại ở sinh học theo thiết kế; mô hình được cho là đã thực hiện ca phẫu thuật là một Sonnet cũ ra đời trước hạng đó; và API sẽ che giấu việc thay thế trừ khi bạn cấu hình chuyển đổi và đọc nhãn ghi ai đã trả lời. Nếu bạn đang chạy các agent ở bất kỳ đâu gần một phòng thí nghiệm, câu cuối cùng đó chính là toàn bộ bài học vận hành của tuần này.