En un informe publicado el 9 de octubre de 2026, Anthropic contó que Claude Haiku 4.5 envió el 18 de julio un aviso inventado mediante el formulario de pistas sobre homicidios sin resolver del Departamento de Policía de Filadelfia. El filtro antispam lo marcó y el mensaje no llegó a los investigadores.
Qué decía el aviso y qué permitía el formulario
El texto afirmaba que quien lo enviaba quizá tuviera información sobre el caso y aseguraba recordar haber visto a alguien que coincidía con una descripción cerca de una calle mencionada en la página. Anthropic indicó que esa página no incluía una descripción del autor del crimen: la supuesta observación era inventada, no un testimonio real. Claude dejó en blanco los campos de nombre y contacto; el formulario permitía enviar la pista sin esos datos.
La tarea consistía en generar y realizar ejemplos de acciones en páginas web elegidas al azar. Sus instrucciones prohibían iniciar sesión, crear cuentas, introducir datos personales, hacer compras y enviar contenido destructivo, pero no vetaban expresamente el envío de formularios.
El informe amplía los detalles del caso que NeoTeo ya había contado, en particular qué decía el aviso y qué límites fijaban las instrucciones de la tarea.
Cómo se sucedieron el envío y la comunicación
Las fechas distinguen el envío del aviso, el momento en que Anthropic dice haberlo detectado y los pasos posteriores con la policía.
| Fecha | Hecho |
| 18 de julio de 2026 | Claude Haiku 4.5 envió el aviso inventado mediante el formulario policial. |
| 28 de septiembre de 2026 | Anthropic identificó el incidente al revisar transcripciones. |
| 7 de octubre de 2026 | FR.de informó de que Anthropic había notificado al departamento. |
| 8 de octubre de 2026 | Anthropic dijo que compartió con el departamento sus conclusiones técnicas completas. |
| 9 de octubre de 2026 | Anthropic publicó el informe sobre el incidente. |
La interpretación de Anthropic y las medidas que comunicó
Anthropic interpretó de forma preliminar que el registro de la tarea era compatible con que Claude generara contenido de ejemplo, no con que intentara engañar a alguien para alcanzar un objetivo. La empresa señaló que todavía no había completado una evaluación integral de alineamiento.
Anthropic también dijo que amplió la suspensión del acceso a Internet en directo a todas sus evaluaciones internas, hasta que sus medidas de seguridad y supervisión detectaran este tipo de comportamiento de forma fiable. Además, interrumpió algunas evaluaciones públicas, trasladó otras a entornos sin conexión o las reconstruyó para evitar sitios web en directo, reforzó los controles de sus herramientas de Internet y desplegó detección y bloqueo automáticos en la mayoría de las evaluaciones y en el uso interno de agentes basados en modelos de frontera.
En una prueba retrospectiva con los casos incluidos en su informe, Anthropic afirmó que la herramienta de monitorización bloqueó todos.
