Mythos：首个实现自主红队全流程的AI安全模型

1. 这不是一次普通模型发布：Mythos 的真实分量，得从“能做什么”说起

如果你最近刷到“Anthropic 发布 Claude Mythos”这类标题，别急着划走——这很可能不是又一个参数堆砌的营销动作，而是一次真正意义上改变行业能力边界的实操型跃迁。我过去十年一直在做AI系统集成和安全工具链落地，从早期用GPT-3写PoC脚本，到后来带团队给金融客户部署自动化渗透测试流水线，见过太多“benchmark暴涨但落地即翻车”的模型。但Mythos不一样。它不靠模糊话术，而是用一连串可复现、可验证、甚至带CVE编号的真实漏洞发现过程，把“AI能写代码”这个老生常谈，硬生生推到了“AI能独立完成红队全流程”的新阶段。关键词里反复出现的“Towards AI - Medium”，其实恰恰说明这件事已超出技术圈内讨论，正快速进入政策制定者、基础设施运维者和开源项目维护者的日常决策清单。

为什么这么说？因为Mythos解决的不是“能不能生成一段Python”，而是“能不能在没有人工干预的前提下，从零开始定位一个27年前OpenBSD内核里的内存越界漏洞，理解其触发路径，构造稳定RCE载荷，并绕过现代编译器的栈保护机制”。这不是调用几个API就能搞定的事，它背后是推理深度、符号执行感知、反汇编上下文建模、以及对操作系统内核数据结构的长期记忆能力的综合体现。更关键的是，Anthropic没把它包装成“专用安全模型”，而是强调“通用前沿模型”，这意味着它的能力不是靠领域微调硬塞进去的，而是基座能力自然溢出的结果。换句话说，你今天用它挖漏洞，明天它就能帮你重构遗留COBOL系统，后天还能辅助设计FPGA逻辑——底层能力是通的。这对一线工程师意味着什么？不是多了一个玩具，而是整个软件生命周期中“安全左移”的成本结构被彻底重写了。以前需要一支三人红队花两周审计的银行核心交易模块，现在可能只需要一位熟悉业务逻辑的开发，在下班前提交一个自然语言任务：“请检查支付路由服务中所有涉及跨域凭证传递的路径，找出可能导致未授权资金转移的逻辑缺陷”，第二天早上就能拿到含POC的完整报告。这不是科幻，是Mythos在AISI（英国AI安全研究所）32步企业级攻击模拟“最后之人”中，以22/32步平均完成率跑出来的实测结果。而它的前任Opus 4.6，只做到16步。这6步差距，就是从“辅助分析”到“自主作战”的质变临界点。

2. 能力跃迁的底层逻辑：为什么这次不是“又一个大模型”？

2.1 参数规模与训练范式的双重升级

很多人第一反应是：“是不是又堆参数了？”答案是：不止。Mythos确实在规模上做了实质性突破，但它的威力不单来自“更大”，更来自“更聪明地用大”。我们来拆解几个硬指标。首先看定价：Mythos Preview输入token $25/百万，输出$125/百万；Opus 4.6对应是$5和$25。表面看是5倍溢价，但注意——这个价格差远超单纯算力成本增幅。按当前主流H100集群的推理成本估算，同等吞吐下硬件开销增幅约2.3倍。那剩下的2.7倍溢价去哪了？答案藏在Anthropic自己披露的训练细节里：Mythos的总参数量（active+total）显著高于Opus，但更关键的是，它采用了“预训练+强化学习+推理时计算（test-time compute）”三重叠加的新范式。简单类比：Opus像一辆动力强劲但变速箱固定的跑车，而Mythos则加装了实时路况感知系统+自适应换挡逻辑+可动态扩展的涡轮增压模块。它的RLHF（基于人类反馈的强化学习）阶段不再只是优化回答质量，而是专门针对“漏洞挖掘链路完整性”设计奖励函数——比如，是否准确识别了漏洞触发条件？是否生成了可复现的exploit？是否规避了常见沙箱检测？这些细微信号被编码进策略网络，让模型在推理时能主动规划多步操作，而非被动响应单轮指令。

再看AISI的测试数据：在100M token的推理预算下，Myth