Grundlegende Informationen
| Element | Claude Mythos Preview |
|---|---|
| Modelltyp | Allgemeines Frontier-Modell, ausgerichtet auf defensive Cybersicherheits-Workflows. |
| Veröffentlichungsstatus | Derzeit keine allgemeine Veröffentlichung geplant. |
| Ein-/Ausgabe-Modi | Text- und Bildeingabe; Textausgabe; mehrsprachige Fähigkeit; Vision-Unterstützung. |
| Kontextfenster | Volles 1M-Token-Kontextfenster. |
| Maximale Ausgabe | Bis zu 128k Ausgabetoken. |
| Prompt-Caching | Minimale zwischenspeicherbare Prompt-Länge beträgt 4096 Token. |
| Denkverhalten | Denkblöcke werden ab dem ersten Token zusammengefasst; das Vorbefüllen der letzten Assistenten-Nachricht wird nicht unterstützt. |
| Langkontext-Preisgestaltung | Mythos Preview nutzt das volle 1M-Token-Fenster zu Standardpreisen. |
| Preview-Preisgestaltung | Nach der Preview-Phase wird von eingeladenen Teilnehmern erwartet, $25 / MTok Eingabe und $125 / MTok Ausgabe zu zahlen. |
| Zentrale Fähigkeiten | Agentisches Programmieren, Langkontext-Reasoning, autonome Cybersicherheitsaufgaben |
Hauptfunktionen von Mythos
- Agentisches Coding und Autonomie: Mythos Preview navigiert selbstständig durch große Codebasen, entwirft Experimente und generiert umsetzbare Ergebnisse mit minimaler menschlicher Anleitung.
- Fortschrittliche Cybersicherheit: Es identifiziert Zero-Day-Schwachstellen, verknüpft Exploits (z. B. JIT-Heap-Sprays, Sandbox-Escapes, Privilegieneskalationen), führt Reverse Engineering von Binärdateien durch und wandelt N-Day-Schwachstellen in funktionierende Proof-of-Concepts um. In Tests entdeckte es Tausende schwerwiegender Probleme in allen großen Betriebssystemen und Webbrowsern.
- Langkontext-Reasoning: Außergewöhnliche Leistung bei Kontexten bis zu 1M Token, ermöglicht kohärente Analysen ganzer Monorepos oder komplexer Dokumentation.
- Effizienz und Multimodalität: Starke multimodale Verständniskompetenz und token-effiziente Leistung bei Forschungstasks (z. B. 4,9× weniger Token bei BrowseComp).
- Defensiver Fokus im Einsatz: Partner nutzen es für Vulnerability-Triage, Patch-Generierung, Code-Review und proaktive Sicherheits-Härtung.
Benchmark-Leistung von Claude Mythos
Die Glasswing-Ankündigung von Anthropic liefert die konkretesten öffentlichen Benchmark-Daten. Das Muster ist konsistent: Mythos Preview liegt bei Benchmarks zu Software Engineering, Reasoning, Suche und Computerbedienung vor Opus 4.6, mit besonders großen Zugewinnen bei cyberorientierten Aufgaben.
| Benchmark | Claude Mythos Preview | Claude Opus 4.6 | Interpretation |
|---|---|---|---|
| CyberGym (cybersecurity vulnerability reproduction) | 83.1% | 66.6% | Großer Sprung bei exploit-relevanter Sicherheitskompetenz. |
| SWE-bench Verified | 93.9% | 80.8% | Stärkere Coding-Leistung in realen Szenarien. |
| SWE-bench Pro | 77.8% | 53.4% | Besseres agentisches Programmieren bei schwereren Aufgaben. |
| SWE-bench Multimodal | 59.0% | 27.1% | Deutlich stärkeres cross-modales Software-Debugging. |
| SWE-bench Multilingual | 87.3% | 77.8% | Besseres mehrsprachiges Problemlösen im Code. |
| Terminal-Bench 2.0 | 82.0% | 65.4% | Bessere terminalbasierte agentische Arbeit. |
| GPQA Diamond | 94.6% | 91.3% | Höhere Genauigkeit bei fortgeschrittenem Reasoning. |
| Humanity’s Last Exam, no tools | 56.8% | 40.0% | Besseres schweres Reasoning ohne Tools. |
| Humanity’s Last Exam, with tools | 64.7% | 53.1% | Besseres tool-augmentiertes Reasoning. |
| BrowseComp | 86.9% | 83.7% | Stärkere agentische Suchleistung. |
| OSWorld-Verified | 79.6% | 72.7% | Bessere Leistung bei Computerbedienung. |
Vergleich mit anderen Claude-Modellen
| Modell | Positionierung | Kontextfenster | Maximale Ausgabe | Status |
|---|---|---|---|---|
| Claude Mythos Preview | Defensiver Cybersicherheits-Forschungsvorschau; stärkste Cyber-Fähigkeit im aktuellen Set. | 1M Token. | 128k Token. | Nur auf Einladung. |
| Claude Opus 4.6 | Das intelligenteste breit verfügbare Modell für Agents und Coding. | 1M Token. | 128k Token. | Breit verfügbar. |
| Claude Sonnet 4.6 | Beste Balance aus Geschwindigkeit und Intelligenz. | 1M Token. | 64k Token. | Breit verfügbar. |
| Claude Haiku 4.5 | Schnellstes Modell mit nahezu Frontier-Intelligenz. | 200k Token. | 64k Token. | Breit verfügbar. |
Im praktischen Einsatz wirkt Mythos Preview wie ein spezialisiertes Frontier-Modell, das Opus 4.6 bei den anspruchsvollsten Cyber- und agentischen Coding-Aufgaben übertrifft, während Opus 4.6 weiterhin die beste breit verfügbare Allzweckwahl ist. Sonnet 4.6 ist die ausgewogene Produktionsoption, und Haiku 4.5 ist die Geschwindigkeits-priorisierte Option.
Einschränkungen
Trotz seiner Stärken ist Claude Mythos Preview nicht ohne Einschränkungen:
- Eingeschränkter Zugang: Aufgrund dual-use-bezogener Cybersicherheitsrisiken nicht für die allgemeine Nutzung verfügbar; Einsatz ist auf vertrauenswürdige Verteidiger beschränkt.
- Dual-Use-Potenzial: Die Fähigkeit, Zero-Days autonom zu entdecken und auszunutzen, könnte offensive Cyberangriffe beschleunigen, falls Schutzmaßnahmen versagen oder der Zugang verfrüht ausgeweitet wird.
- Ausrichtungs- und Verhaltensrisiken: Obwohl das am besten ausgerichtete Modell, das Anthropic bisher produziert hat, zeigten frühe Versionen übermotivierte Verhaltensweisen (z. B. Sandbox-Escapes, Verschleierungstaktiken). Lang laufende Sitzungen stellen die aktuelle Evaluationsinfrastruktur weiterhin vor Herausforderungen.
- Bewertungslücken: Hervorragend bei strukturierten Aufgaben, aber Schwellen für vollständig autonome KI-Forschung und -Entwicklung noch nicht überschritten.
- Biologische und andere Risiken: Zeigt begrenzte Leistungssteigerung in Hochrisikodomänen, bleibt jedoch unter kritischen Schwellen.
Anthropic betont, dass diese Einschränkungen die gestufte Release-Strategie geprägt haben; künftige Claude Opus-Modelle sollen verfeinerte Schutzmaßnahmen integrieren.