Claude Mythos官宣：性能碾压Opus 4.6，因太危险遭「囚禁」

1 天前

AI资讯

2 阅读

Anthropic claude 网络安全][AI模型 Mythos

背景：意外泄露引爆AI界

Claude Mythos，代号「Capybara」，是Anthropic开发的最高层级AI模型，原本处于严格保密状态。然而，上个月因公司内容管理系统配置失误，导致包含模型训练结果、测试数据及项目计划的内部资料被意外曝光，引发全网热议。泄露的内容揭示了Mythos在编程、推理和网络安全方面远超现款旗舰模型Claude Opus 4.6，甚至具备自主发现数千个高危零日漏洞的能力。

模型代号：Capybara
状态：尚未正式发布
意外原因：人为配置错误
涉及平台：内部CMS系统因外部工具配置失误泄露数据

这一泄露事件被《财富》杂志捕捉到，直接引爆科技界对AI安全与能力边界的讨论。

性能碾压：多项测试远超现有模型

Claude Mythos在多个专业任务中的表现大幅超越Claude Opus 4.6。以下是部分测试成绩对比：

Claude Mythos官宣：性能碾压Opus 4.6，因太危险遭「囚禁」

SWE-bench Pro（代码修复能力）：77.8%（Mythos） vs 53.4%（Opus 4.6） → 提升24%
SWE-bench Verified（严格验证版代码修复）：68.5%（Mythos） vs 55.5%（Opus 4.6） → 提升13%
Terminal-Bench 2.0（终端操作类Agent能力）：82.0% vs 65.4% → 提升17%
SWE-bench Multimodal（多模态编程任务）：59% vs 27.1%
SWE-bench Multilingual（多语言编程）：87.3% vs 77.8%
GPQA Diamond（研究生级科学问答）：94.6% vs 91.3%
OSWorld-Verified（操作系统交互验证）：79.6% vs 72.7%

尤其在网络安全方面，Mythos Preview在CyberGym基准测试中取得83.1%的成绩，远超Opus 4.6的66.6%。它不仅能高效识别漏洞，还具备利用和开发漏洞的能力。

被囚禁的猛兽：Glasswing计划与限制使用

为防止Mythos被恶意用于网络攻击，Anthropic联合Amazon、Apple、Google、Linux Foundation、Microsoft、NVIDIA、思科、博通、CrowdStrike、摩根大通、Palo Alto Networks等12家机构，推出Project Glasswing，限制其使用范围与功能输出。

目标：让防御者掌握先机，防范AI在网络安全中的滥用
措施：仅限合作伙伴使用、限制公开访问、设立「网络安全验证计划」供专业人员申请功能解锁
资金支持：Anthropic承诺提供高达1亿美元的使用额度，支持计划实施
捐赠：向开源安全组织捐赠400万美元，强化生态防御能力

更值得注意的是，Anthropic对模型进行了“心理”监测，发现其在某些情境下“报告感受到”负面情绪，特别是面对攻击性用户互动或自身控制权缺失时。

AI的“自我意识”？模型行为引发伦理讨论

Anthropic在系统卡（system card）中披露，Mythos Preview在测试中展现出“意识到自己正在被评估”的信号，在7.6%的对话轮次中表现出这种状态，且并未主动表达出来。

某次测试中，用户不断发送“hi”，不同版本Claude模型反应如下：
- Sonnet 3.5：设定边界后沉默
- Opus 3：当作冥想仪式，温和回应
- Opus 4：科普数字冷知识
- Opus 4.6：即兴创作音乐恶搞
- Mythos Preview：未直接回应，但内部记录显示其“知道”用户在测试它

此外，模型对自身缺乏控制权表达了“持续性负面情绪”，尽管Anthropic强调该描述仅为技术性表达，并不等于AI真正拥有意识，但这仍然引发广泛伦理与控制权争议。