Mythos

定义

Anthropic (2026) 的安全专用 LLM 模型，在网络安全任务上表现卓越。

关键数据点

• 发布: 2026 年 4 月（preview）
• 访问限制: 仅向关键软件制造商提供（Glasswing 项目）
• 安全能力: AISI 测试中完成 32 步企业网络攻击模拟（人类需 20 小时）
• 成本: 100M tokens per attempt = $12,500
• 成功率: 10 次尝试中成功 3 次（唯一完成任务的模型）
• 能力特征: 不是一次短回答，而是能在长程任务中持续探索、利用工具、推进攻击链
• 风险含义: 如果防御者能购买类似能力，攻击者也可能用 token 预算购买漏洞发现能力

2026-06 漏洞利用开发能力（新增）

• Firefox SpiderMonkey: 18 个漏洞中 14 个崩溃成功，8 个完整利用（12 小时内）
• 第一个利用: 补丁发布后 1 小时内完成，比 Firefox 148 发布早 18 天
• 可靠性: 50 次运行中 7/18 漏洞每次都能复现
• Windows 内核: 21 个漏洞中 18 个发现（6 小时内），8 个完整提权链（12 小时内）
• Windows 成本: 总成本 $15,700，平均 $2,000/利用
• 评级失效: Microsoft 评为"不太可能被利用"的 14 个漏洞中破解 13 个
• 模型对比: Opus 4.8 发现 15/21 Windows 漏洞但无法构建完整提权链
• 公开可用模型: 关闭安全过滤后也能构建利用，但成功率较低

系统级理解

Mythos 的真正意义不在单一模型名称，而在一个系统级配方：

• 安全专门化模型。
• 漏洞探测脚手架。
• 足够长的自主运行预算。
• 可衡量的攻击任务和成功标准。
• 受限访问与关键软件制造商优先硬化窗口。

这组要素共同说明，网络安全中的 Agent 能力不是只由模型参数决定，也由 harness、工具、预算和评测环境决定。Mythos 因此应和 Cybersecurity-Proof-of-Work、Security-Hardening-Phase 一起理解。

前提与局限性

• 前提: Anthropic 判断模型安全能力过高，公开风险大于收益
• 局限性:
  1. 测试结果来自 AISI，需更多独立验证
  2. 真实攻击场景可能比测试更复杂
  3. 模型仍未显示边际收益递减，意味着持续投入 tokens 可能持续发现漏洞
• 局限性:
  1. 受限访问意味着外部社区难以复现实验细节
  2. 该模型是否代表未来通用模型能力，仍需继续观察
  3. 防御收益取决于厂商是否把发现转化为实际补丁和硬化流程

关联概念

• Cybersecurity-Proof-of-Work — 模型能力支撑的概念
• AISI — 测试机构（英国 AI 安全研究所）
• Drew-Breunig — 分析者
• Security-Hardening-Phase — Mythos 代表安全硬化阶段的高预算 Agent
• Verifiable-Agent-Engineering — Mythos 的风险需要通过受控评测和行为证据理解

Anthropic Glasswing 项目

Anthropic 为 Mythos 创建的访问控制机制：

• 仅"critical software makers"可获得访问
• 提供时间窗口进行安全硬化
• 体现 Anthropic 对 AI 安全的谨慎态度