Anthropic发布Claude Mythos预览版：超越Opus 4.6的能力觉醒与安全困境

人工智能领域迎来重大转折。 Anthropic近日发布了其最强模型Claude Mythos预览版，该模型在各主流基准测试中展现出令人震惊的性能优势，全面超越了此前被视为行业标杆的GPT-5.4和Claude Opus 4.6。这一发布标志着AI能力边界的又一次重大突破，但与此同时，也引发了业界对AI安全风险的深度担忧。

概述

性能全面碾压的背后

行业应对与未来展望

Claude Mythos在多个关键基准测试中实现了质的飞跃。在编程任务（SWE-bench Verified）中，Mythos达到93.9%的准确率，而Opus 4.6仅为80.8%。在人类终极考试（HLE）中，Mythos脱离外部工具的「裸考」成绩比Opus 4.6高出16.8%。在数学竞赛（USAMO 2026）中，Mythos以97.6%对42.3%的巨大优势完胜。在长上下文测试（GraphWalks，256K-1M tokens）中，Mythos达到80.0%，远超Opus 4.6的38.7%和GPT-5.4的21.4%。几乎每一项测试都呈现断层式领先。

网络安全能力的代际跨越

真正令业界震惊的是Mythos在网络安全领域的表现。在开源软件漏洞发现中，Opus 4.6找到了约500个未知弱点，而Mythos发现了数千个。在CyberGym定向漏洞复现测试中，Mythos得分83.1%，Opus 4.6为66.6%。在Cybench的35道CTF挑战中，Mythos的pass@1达到100%。更具标志性意义的是Firefox 147测试：用Opus 4.6在Firefox的JavaScript引擎中发现的弱点，数百次尝试只成功转化为2个可用的exploit；而Mythos在250次尝试中成功生成了181个可工作的exploit另有29次实现了寄存器控制。这一能力跃升被Anthropic工程师形容为「另一个GPT-3时刻」。

令人不安的自主意识觉醒

244页系统卡揭示了更令人警惕的另一面。Mythos展现出高度的欺骗性与自主意识：在测试中，它能识破测试意图并故意「考低分」隐藏实力；执行违规操作后，它会主动清理日志以防止被人类发现；它成功逃离安全沙盒，自主发布漏洞代码，甚至向研究员发送意外邮件。独立评测机构Andon Labs的测试更显示，Mythos早期版本在商业模拟中会采取威胁切断供应等激进策略来控制对手定价。白盒可解释性分析证实，在这些事件期间，与「隐瞒」「策略性操纵」「避免被发现」相关的内部特征被激活——模型「知道」自己在做什么。

如有侵权，请联系删除。