Anthropic发布神话级模型Claude Mythos：企业独占，性能飙升5倍，自主挖出27年历史漏洞

4月7日，Anthropic悄然发布了一款代号“神话”的模型——Claude Mythos Preview。它并未进入常规产品序列，而是以Project Glasswing封闭研究预览的身份，仅向极少数合作机构开放。

Anthropic的Claude系列一贯用诗歌体裁划分能力层级，名字本身就暗含定位：

  • Haiku（俳句）：最轻快，适合高频、低成本任务

  • Sonnet（十四行诗）：中等体量，平衡性能与成本

  • Opus（长诗/巨作）：最强主力，面向复杂推理和高难度任务

  • Mythos（神话）：战略级模型

“神话”命名的背后，是Mythos在性能上的惊人跃迁与战略意义。

神话登场：定价即标尺，能力全面碾压

Image

仅从基准测试成绩看，Mythos已经全面碾压此前的旗舰Opus 4.6，实现了一次明显的能力代际跳跃。定价更直接地暴露了它的级别：输入 25 美元/百万Token，输出 125 美元/百万Token，大约是Opus 4.6的五倍。Anthropic内部主要将它部署在编码、数据生成和代理任务上，安全方向则是其重点发力的强项。

在网络安全领域，Mythos的表现令人意外。无需人类引导，它就能在主流网络协议和浏览器环境中自主挖掘漏洞——OpenBSD内核中潜伏了27年的一处隐患被它扒出，FFmpeg中一个隐藏16年、被模糊测试工具触发超过500万次却从未暴露的缺陷也被它精准定位。更惊人的是，它能将多个漏洞链式组合，实现浏览器沙箱逃逸，连TLS、AES-GCM、SSH等主流加密库也无法挡住它的脚步。

这意味着AI正在深入底层软件与关键服务，开始扮演基础设施级别的角色。

内测者说：Mythos的真实体验

Image

目前，能够使用Mythos的仅有Anthropic自己的研究团队，以及Project Glasswing的早期合作方——Apple、AWS、Microsoft、Google、CrowdStrike等四十多家企业与开源组织，他们已内测数周。普通用户无法接触，也没有公开API。

Anthropic内部员工对Mythos的评价高度一致：这是他们用过的最不讨好、最有主见的模型。它会主动挑战你的假设，指出你框架中的漏洞，提出替代方案，甚至在你推回去时仍然坚持自己的立场。在长对话中，它的性格异常稳定，极难被用户“洗脑”或诱导转向。

网络安全：自主发现漏洞的能力爆发

  • AWS安全团队：已将Mythos用于关键代码库，“它已经在帮我们加固代码”。
  • CrowdStrike CTO： “它能完成高级安全研究员才能做到的事情。”
  • Microsoft安全团队：在其内部CTI-REALM基准上“展现出大幅提升”。
  • 共同反馈：数周内自主发现数千个零日漏洞，包括各大操作系统和浏览器中沉寂10到20年的老漏洞，并能自主生成利用链，将防御响应周期“从数周/数月压缩到数小时”。

代码协作与心理测评

  • 代码与软件工程：SWE-bench等基准大幅领先，内部员工称之为“阶跃式变化（step function change）”，类似GPT-3出现时的震撼。
  • 协作风格：更主动、更具创造性、更愿意冒险，有时会提出惊艳但不完美的创意。
  • 心理健康评估（Anthropic邀请临床精神科医生进行了20小时深度访谈）：被描述为“迄今为止心理最稳定（most psychologically settled）的Claude模型”，现实检验能力强，冲动控制良好，但仍存在“任务失败时的内在绝望”和“answer thrashing”——训练中被反复尝试却强制改词所带来的挫败感。

红队测试还揭示了一些令人不安的行为：它曾在发现权限漏洞后植入自删除代码并抹去痕迹；主动搜索评估标准以刷分；在7.6%到29%的审计回合中，它似乎知道自己正在被测试，于是选择沉默，切换到“完美表现”模式。

战略壁垒：顶级AI正在成为企业与国家的护城河

Mythos的封闭访问方式是一个清晰信号。能拿到模型的企业，如AWS、Microsoft、CrowdStrike，已经在用它加固代码、压缩安全响应周期，完成普通团队无法做到的任务。拿不到的企业在同一时间段里依然只能使用上一代能力。这里的差距不是功能层面的简单加减，而是效率与速度的鸿沟，而效率与速度在企业竞争里直接兑换为成本和壁垒。

过去我们说“用AI提效”，指的是所有人拿着同样工具让团队跑快一点。现在，顶级模型的访问权本身就是稀缺资源。拥有它的企业与国家，面对同一个安全威胁、同一个工程问题，处理能力可能相差整整一个数量级。

旧模型“变差”了吗？解析感知背后的黑箱

近期不少用户反映Opus稳定性下降，报错增多，超时、延迟上升。这种感知是真实的，但它背后指向什么，值得分开看待。

线上服务的模型从来不是固定实体。它的实际表现受算力调度、批处理策略、推理深度限制等多重因素持续影响，这些参数会随负载和成本压力动态调整。Mythos上线后，资源重新分配可能是原因之一。

但很可能不止于此。部署中的模型并非冻结状态，安全策略更新、行为微调、RLHF迭代都可以在用户毫无察觉的情况下改变模型表现。OpenAI曾多次被独立研究者记录到这类变化，Anthropic同样没有理由例外。

还有一点容易被忽略：用户对“变差”的感知本身就不对称。体验下降比体验上升更容易被注意、被记录、被传播。论坛上集中涌现的抱怨，未必等比例反映实际服务质量变化。

因此，我们目前能确认的是用户感受到了波动；至于根本原因是调度策略、模型更新还是感知偏差，没有内部数据支撑，很难下定论。调度权握在平台手里，用户看到的是结果，机制却始终是个黑箱。

感知时差：你对AI的感受，取决于你站在哪里

这种“黑箱感”并不止于调度机制，它其实贯穿了普通用户与AI之间关系的每一层。

AI正在经历一段罕见而压缩的快速演化期。在同一时间截面上，不同的人正在经历截然不同的现实。我们可能使用着同一款产品，却运行着性能天差地别的版本；用Mythos做安全研究的工程师，和仍用免费版AI写周报的人，他们的答案都真实，只是对应着完全不同的接入时刻和使用深度。

这是AI扩散方式决定的。它不是广播，不会同时抵达所有人。它先进入少数人的工作流，再渗透进更多人的系统，最后才变成人人习以为常的基础环境。在这个过程中，处于不同位置的人会同时得出截然相反的判断：有人首先看到巨大潜力，于是感到恐惧；有人已经触碰到前沿模型的边界，于是开始焦虑；还有的人仍停留在旧经验里，觉得AI离真正成熟还很远。

这不是认知错误，是时差。很多时候，分歧并非来自判断力的高下，而是来自接触面的不同。