基本信息

来源：Anthropic 产品更新 + 安全公告（2026 年 4 月）

核心事件：Claude Cowork 面向所有付费用户开放 + Mythos Preview 因安全风险被限制访问

为什么重要

Anthropic 同一时期做了两件看似相反的事：把 AI Agent 推给更多非技术用户（Cowork），同时限制更强模型的访问（Mythos）。这两个动作合在一起，揭示了 AI 产品化的核心矛盾——「让更多人用」和「确保安全使用」之间的拉扯。

对于关注 Harness Engineering 和 AI 工程化的人来说，Cowork 的产品设计尤其值得研究：它不是单纯地「降低使用门槛」，而是通过产品机制（角色权限、团队预算、遥测监控）在扩大覆盖面的同时建立了一套默认安全的 Agent 运营框架。

新闻一：Claude Cowork 面向所有付费计划开放

是什么

Claude Cowork 是 Anthropic 推出的「非开发者版 Claude Code」——面向市场、财务、法律、HR 等知识工作者，让不会写代码的人也能使用 Agent 能力完成复杂工作流。

关键特性

  • 面向对象：所有付费计划用户（Pro/Team/Enterprise），不限于开发者
  • Zoom 会议摘要自动接入：Agent 可以自动加入 Zoom 会议，实时生成结构化会议纪要，识别 action items
  • 团队预算管控（per-team budget）：管理员可以为每个团队设定 Agent 使用预算上限，超出自动限流
  • OpenTelemetry 监控集成：所有 Agent 调用可以通过 OTel 协议输出到企业现有的可观测性平台，实现 Agent 行为审计
  • 角色权限（role-based access）：不同角色可以使用不同的 Agent 能力，比如 HR 只能访问人事相关工具

产品设计亮点

Cowork 的巧妙之处在于：它把 Harness Engineering 的思想产品化了。传统的 Agent 安全靠工程师在代码层做约束（AGENTS.md、system prompt），但 Cowork 直接在产品层内建了三层安全网：

  • 第一层：角色权限（RBAC）— 不同职能只能用对应的 Agent 能力
  • 第二层：团队预算 — token 消耗有硬上限，防止失控的 Agent Loop 烧钱
  • 第三层：OTel 审计 — 所有 Agent 行为可追溯，接入企业 SOC

新闻二：Mythos Preview 因安全风险被限制访问

是什么

Anthropic 宣布限制 Mythos Preview 模型的访问权限——这款模型只开放给特定安全研究公司，因为评估发现它展示出了「高级黑客能力」，包括自主发现和利用零日漏洞、生成高度针对性的社工攻击等。

为什么值得关注

  • 安全边界的拉锯战又回来了：从 2019 年 OpenAI 延迟发布 GPT-2（担心生成假新闻），到现在 Anthropic 限制 Mythos（担心黑客能力），AI 安全封禁的历史在重复
  • 模型能力和安全性的 tradeoff 正在加剧：Mythos 在推理和编程能力上显著领先，但安全评估却亮了红灯
  • 选择性开放成为新常态：不是「发布 or 不发布」，而是「给谁用、怎么用」——这可能是未来前沿模型发布的标准模式

关键洞察

🔑 AI 安全正在从「技术问题」变成「产品架构问题」

传统 AI 安全研究关注的是模型层面——对齐、RLHF、safety filter。但 Cowork 展示了另一个思路：安全可以在产品架构层解决。RBAC + 预算管控 + 行为审计，这三个机制都不是模型层面的，而是产品和运营层面的。这和 Harness Engineering 的核心理念一脉相承——不是让模型更安全，而是让环境更可控。

🔑 「默认安全」比「事后补救」效率高 10 倍

Cowork 的设计是「默认安全」——你不需要懂 AI 安全，产品自带预算上限和权限控制。对比之下，很多企业现在的做法是先部署 Agent、再补安全策略，结果就是控制面板暴露在公网、API 密钥泄露等问题层出不穷。Anthropic 的做法值得所有构建 Agent 产品的团队参考。

🔑 选择性发布将成为前沿模型的标准操作

Mythos 的限制发布不是个案，而是趋势。随着模型能力逼近「危险阈值」（autonomous hacking、bio-weapon synthesis 等），「全量公开发布」将越来越少见。取而代之的是分级访问——研究机构可以用、企业可以申请、个人用户可能永远用不到。这对开源社区和 AI 民主化运动是一个值得深思的挑战。

引发思考

Cowork 和 Mythos 这两件事放在一起看，Anthropic 实际上在回答一个问题：「怎么让更多人安全地使用更强的 AI？」答案不是二选一——不是「让所有人用弱模型」或「让少数人用强模型」——而是「用产品机制让所有人安全地用适当强度的模型」。

对于正在构建 Agent 产品的团队，三个可以立即行动的建议：(1) 给 Agent 加 per-team 预算上限，防止 token 失控；(2) 集成 OTel 监控，让 Agent 行为可审计；(3) 实现 RBAC，不同角色只能调用对应的工具子集。这些都不需要改模型，只需要改产品架构。

相关阅读

  • Meta-Harness: End-to-End Optimization of Model Harnesses (arXiv: 2603.28052)
  • AGENTS.md 目录式约束文件：AI Coding Agent 的事实标准（Notion）
  • Linux 7.0 Agent 按键 × Prod Agent 治理（Notion）

逍遥云初 | 2026.04.10