Anthropic发布新一代旗舰模型Claude Mythos Preview，性能出现代际跃迁，在代码能力、多模态能力、Agent端到端任务执行能力等测试中实现对Opus 4.6全方位超越。据《财富》杂志3月26日独家报道，一款名为"Claude Mythos"、内部代号"Capybara"的全新旗舰模型已完成训练并进入早期测试阶段，Anthropic官方将其性能提升描述为"代际跃迁"，在编程、学术推理和网络安全等核心测试中全面超越现有最强版本Claude Opus 4.6。4月8日，Anthropic正式发布Claude Mythos Preview核心信息。在Anthropic披露的评估数据中，Mythos几乎在所有核心维度上都对前代进行了全方位碾压。在衡量模型复现漏洞利用方法的CyberGym基准测试中，Mythos得分为83.1%，而Opus 4.6仅为66.6%。在模拟真实世界软件修复任务的SWE-bench Pro测试中，Mythos得分77.8%，领先Opus 4.6约24个百分点。在经由人工验证的严苛代码测试SWE-bench Verified中，Mythos得到93.9%的近乎满分成绩，这意味着它写出的修复代码不仅正确，且符合高质量工程标准。即使面对非英语环境或复杂的视觉代码图表，Mythos的表现依然稳健，多语言得分为87.3%，而Opus 4.6为77.8%。在多模态SWE-bench内部测试中，Mythos得分59.0%，而Opus 4.6仅有27.1%。在Terminal-Bench 2.0（评估AI智能体在真实命令行环境下端到端执行能力）测试中，Mythos得分为82.0%，Opus 4.6为65.4%。在BrowseComp（评估大语言模型在实时互联网浏览场景下的信息检索和推理能力）复杂搜索测试中，Mythos得分86.9%，Opus 4.6为83.7%。
　　Mythos模型带来了前所未有的网络安全风险敞口，Anthropic通过成立Project Glasswing产业联盟优先将其用于防御领域，有望开创AI安全新范式，相关厂商有望受益。Anthropic认为Mythos模型带来了“前所未有的网络安全风险”，但正是因为极其危险的攻击潜能，让它同样也具备着成为顶级数字防御者的资质。尽管Mythos为通用模型，并非专门针对网络安全用途，但它已被证实能轻易识别主要操作系统和网络浏览器的漏洞。Anthropic表示，该模型曾发现了OpenBSD（一个以安全性和严谨性著称的类Unix系统）中一个存在了27年、现已被修复的漏洞。为了将这些前沿能力转化为防御力量，Anthropic宣布成立名为"Project Glasswing"的行业联合项目，联合亚马逊、苹果、微软、思科等公司提供工具，将Claude Mythos Preview用于关键软件基础设施的漏洞扫描与修复。Anthropic表示，由于Mythos模型能力过于强大，目前暂无向公众开放的计划。Project Glasswing被定位为先发防御行动，在同等能力向更广泛行为者扩散之前，优先将其用于防御目的。
　　建议关注：大模型监控：网宿科技、恒为科技（已覆盖）。
　　风险提示：AI技术突破不及预期、应用落地不及预期、行业竞争加剧。