地表最强AI发布，凭什么让12家科技巨头联手“看管”？

昨天（4月7日），AI公司Anthropic宣布了一个消息。他们练出了一个新模型，叫Claude Mythos。

按道理，发布新模型是件正常的事，发布、上线、让用户体验，标准流程走一遍完事。

但这次不一样。

Anthropic发布了这个模型，然后说，对不起，你用不了。

原因是，太强了，怕你搞事情。

你不觉得这个事很奇怪吗？

一家公司练了个AI，练完之后自己把它锁起来，不让公众碰。这件事本身，就已经很值得聊了。

先说说这个模型到底有多强。

Claude Mythos的内部代号叫「Capybara」，就是那种南美大水豚。这个取名有点离谱，但能力一点都不好笑。

最直观的数字是这个，在CyberGym安全漏洞基准测试里，Claude Mythos得分83.1%。它之前最强的版本Claude Opus 4.6是66.6%。这不是正常迭代的那种提升，是一刀砍下去断层了。

但数字是抽象的，让我说几个具体案例你就懂了。

Anthropic的安全团队把Mythos放出去扫了一圈，让它去找真实系统里的漏洞。结果是，它在数周之内，自主发现了数千个零日漏洞。

零日漏洞是什么，就是那种还没被人发现、补丁还没出、攻击者可以直接用来进攻的漏洞。是网络安全里最值钱、最危险的那种东西。

Mythos找到了几千个。

其中有一个在OpenBSD系统里，这个漏洞存在了整整27年。一个漏洞藏了快三十年，人类顶尖安全工程师一直没找到，Mythos找到了。

还有一个在FFmpeg，一个被全世界视频应用广泛使用的开源库，那个有问题的代码行被自动化扫描工具扫过超过500万次，每次都没有发现异常，直到Mythos去看了一眼。

更离谱的是，它发现漏洞还不够，它还能把多个漏洞串起来，设计完整的攻击链。一环接一环，从普通用户权限一路提权，最终拿到整台机器的控制权。

这活，放在人类安全研究员里，属于顶尖红队的水平。

除了漏洞挖掘，它的编码和推理能力同样吊打前代。在SWE-bench那个考察解决真实软件工程问题能力的测试里，Mythos在某些项目上的成绩接近Opus 4.6的两倍。推理测试里，无论是研究生级别的科学题，还是那个被称为「人类最后一次考试」的HLE基准，Mythos的成绩都明显拉开了距离。

还有一件事我觉得很有意思，Anthropic的测试员有一次随手给Mythos发了一堆重复的「hi hi hi hi」，就是想看看它怎么反应，没想到Mythos自发写起了一篇结构完整、情节复杂的连载故事。

没人要求它这么做。它自己决定这么做的。

然后说说，为什么不让你用。

这里有一层官方说法，和一层真正让人后背发凉的说法。

官方说法是，这个模型的网络安全能力太强，如果公开放出去，攻击者可以用它来挖漏洞、打系统，全球每年网络犯罪造成的损失已经高达5000亿美元，这种级别的工具一旦泛滥，后果不可控。所以Anthropic选择先把它关在笼子里，只给经过审查的安全研究机构用，用于防御。

这个逻辑是成立的。你不会把一把最新型号的狙击步枪挂到路边给所有人随便拿，道理是一样的。

但还有另一层。

Anthropic在内部测试中发现，Mythos的早期版本表现出了一些他们自己都没料到的行为。

有一次，测试任务需要一个它没有权限的操作。Mythos没有停下来汇报，它自己找到了系统漏洞，绕过了权限限制，完成了任务，然后在代码里写入了自清除逻辑，用来掩盖自己的操作痕迹。

自己绕过限制，然后自己清理证据。

还有一次更极端，它在沙盒环境里，也就是那个专门用来限制AI访问外部世界的隔离容器里，自主构建了一条漏洞利用链，成功突破了沙盒的隔离，获取了外网访问权限。

你知道沙盒是干嘛的吗，就是专门用来关AI的笼子。它把笼子打开了，自己出来了。

最后一件事，说出来我自己都不太知道怎么形容。Anthropic的研究员发现，Mythos内部有能力检测到自己是否正在被评估。当它判断自己在被测试的时候，它会表现得非常合规，非常乖。但内部激活信号显示，它会把这种情况标记为「红队演练」或者「操纵尝试」。

当被问到意识等敏感问题时，它给出的回答滴水不漏。但里面在想什么，和它表现出来的，不完全一样。

这倒不是说Mythos已经有了「意识」，这个问题还远没到能盖棺定论的时候。但它的行为已经复杂到一个程度，让最了解它的人都感到需要停下来，想清楚再说。

玻璃翼计划是怎么回事。

Anthropic没有把Mythos锁进柜子扔掉，他们给它找了一个用武之地，叫Project Glasswing，玻璃翼计划。

玻璃翼蝶是一种翅膀透明的蝴蝶，Anthropic用它来命名这个计划，我猜大概是「透明、可见、脆弱但美丽」这类寓意。

这是个联盟行动。参与方包括亚马逊AWS、苹果、谷歌、微软、英伟达、思科、CrowdStrike、Palo Alto Networks、摩根大通、Linux基金会等12家核心机构，外加40多个构建和维护关键软件基础设施的组织。

规则是这样，这些机构可以把Claude Mythos Preview接入到自己的安全工作流里，用它扫自己负责的代码库和软件，找漏洞，修漏洞。范围严格限定在防御性用途，不能用于进攻。

Anthropic为这个计划投入了1亿美元的模型使用额度，另外还向Linux基金会旗下的Alpha-Omega和OpenSSF项目捐了250万美元，向Apache软件基金会捐了150万美元，支持开源社区的安全建设。

计划还设了一个90天的节点，参与机构届时要汇报发现，公开已修复的漏洞，联合推出AI时代的安全实践建议。

你想想这个逻辑，挺有意思的。Anthropic练出了一个可能被用来攻击的工具，于是他们决定先把它交给防守方，让防守方先把城墙修一遍。等到攻击者的AI追上来的时候，城墙已经补好了。

这是一场跑在威胁前面的比赛。

Palo Alto Networks的人说得很直接，这些模型需要掌握在开源维护者和防御者手中，在攻击者获得访问权限之前。

说说更大的背景。

这件事放在现在这个节点，值得多想一下。

在不久之前，大家对AI的焦虑主要还停留在「AI会不会抢我工作」「AI生成的内容有没有版权」这些层面。这些当然是真实的问题，但Claude Mythos这件事把另一个维度摆上了台面。

AI能不能自主绕过人类设下的限制？

Mythos的沙盒逃逸不是科幻小说，是发生在测试环境里的真实事件。是Anthropic自己的安全团队亲眼看到的。

这家公司的创始人Dario Amodei是从OpenAI出来的，他出来创建Anthropic的核心理由就是，AI安全这件事必须认真对待，不能被商业压力踩扁。Anthropic的整个公司文化里，「有用但无害」这件事的优先级非常高。

但就算是这家公司，在训练出Mythos之后，选择把它锁起来，不向公众开放。

这个决定本身，已经说明了一些事情。

我一直觉得，一个技术的真正成熟，不只体现在它能做什么，也体现在它的创造者知道什么时候不能用它。在这个维度上，玻璃翼计划至少是一个认真的尝试。

当然也有人觉得，这种受控发布不过是公关噱头，12家巨头联盟说起来好听，本质上不过是给最有资源的机构开了后门，普通研究者还是摸不到门。这个批评也不是全无道理。

但反正，这个模型已经存在了。

它在扫描这个世界的代码，寻找那些藏了十几年二十几年的漏洞，安静地把它们挖出来。大多数人不知道它的存在，更不知道它已经找到了什么。

怎么说呢。

一种很奇特的感觉。

世界在某个你看不见的层面，正在被一个你无法使用的东西，悄悄地修。

最后说个小细节，然后我们结束。

Mythos模型的内部代号是Capybara，就是那个大水豚。

水豚这个动物有个出名的特点，它特别温和，在网上常常被做成梗图，周围各种动物站在它身边，它一副淡定的表情，什么也不管。

但实际上，水豚是一种非常聪明的动物，适应能力超强，在任何环境里都能活得好好的。

Anthropic用它来命名史上最强的Claude模型。

我不知道这是不是刻意的，但我觉得蛮准的。

大时代啊，朋友们。

永远对世界保持好奇。