Maklumat Asas
| Item | Claude Mythos Preview |
|---|---|
| Model type | Model serba guna barisan hadapan, diposisikan untuk aliran kerja keselamatan siber defensif. |
| Release status | Tidak dirancang untuk keluaran awam pada masa ini. |
| Input/output modes | Input teks dan imej; output teks; keupayaan berbilang bahasa; sokongan visi. |
| Context window | Tetingkap konteks penuh 1M token. |
| Max output | Sehingga 128k token output. |
| Prompt caching | Panjang minimum prompt yang boleh dicache ialah 4096 token. |
| Thinking behavior | Blok pemikiran diringkaskan dari token pertama; pra-isi giliran pembantu terakhir tidak disokong. |
| Long-context pricing | Mythos Preview menggunakan tetingkap penuh 1M token pada harga standard. |
| Preview pricing | Selepas tempoh pratonton, peserta yang dijemput dijangka membayar $25 / MTok input dan $125 / MTok output. |
| Key Capabilities | Pengkodan beragen, penaakulan konteks panjang, tugasan keselamatan siber autonomi |
Ciri Utama Mythos
- Pengkodan Agen dan Autonomi: Mythos Preview menavigasi pangkalan kod besar secara autonomi, merangka eksperimen, dan menjana keluaran yang boleh diambil tindakan dengan panduan manusia yang minimum.
- Keselamatan Siber Lanjutan: Ia mengenal pasti kerentanan zero-day, merantaikan eksploit (cth., semburan heap JIT, pelarian sandbox, eskalasi keistimewaan), menjalankan kejuruteraan songsang terhadap binari, dan menukarkan kerentanan N-day kepada bukti konsep yang berfungsi. Dalam pengujian, ia menemui ribuan isu berkeparahan tinggi merentas setiap sistem pengendalian dan pelayar web utama.
- Penaakulan Konteks Panjang: Prestasi cemerlang pada konteks sehingga 1M token, membolehkan analisis yang koheren terhadap keseluruhan monorepo atau dokumentasi kompleks.
- Kecekapan dan Multimodaliti: Kefahaman multimodal yang kukuh dan prestasi cekap token pada tugas penyelidikan (cth., 4.9× lebih sedikit token pada BrowseComp).
- Fokus Defensif dalam Penerapan: Rakan kongsi menggunakannya untuk triage kerentanan, penjanaan tampalan, semakan kod, dan penguatan keselamatan proaktif.
Prestasi penanda aras Claude Mythos
Pengumuman Glasswing oleh Anthropic menyediakan data penanda aras awam yang paling konkrit. Pola ini konsisten: Mythos Preview mendahului Opus 4.6 pada penanda aras kejuruteraan perisian, penaakulan, carian, dan penggunaan komputer, dengan peningkatan yang amat besar pada tugas berorientasikan siber.
| Penanda aras | Claude Mythos Preview | Claude Opus 4.6 | Interpretasi |
|---|---|---|---|
| CyberGym (penghasilan semula kerentanan siber) | 83.1% | 66.6% | Lonjakan besar dalam kemahiran keselamatan relevan dengan eksploit. |
| SWE-bench Verified | 93.9% | 80.8% | Prestasi pengkodan dunia sebenar yang lebih kukuh. |
| SWE-bench Pro | 77.8% | 53.4% | Pengkodan beragen yang lebih baik pada tugasan yang lebih sukar. |
| SWE-bench Multimodal | 59.0% | 27.1% | Penyahpepijatan perisian rentas-modal yang jauh lebih kukuh. |
| SWE-bench Multilingual | 87.3% | 77.8% | Penyelesaian kod berbilang bahasa yang lebih baik. |
| Terminal-Bench 2.0 | 82.0% | 65.4% | Kerja beragen berasaskan terminal yang lebih baik. |
| GPQA Diamond | 94.6% | 91.3% | Ketepatan penaakulan lanjutan yang lebih tinggi. |
| Humanity’s Last Exam, no tools | 56.8% | 40.0% | Penaakulan sukar tanpa alat yang lebih baik. |
| Humanity’s Last Exam, with tools | 64.7% | 53.1% | Penaakulan diperkasa alat yang lebih baik. |
| BrowseComp | 86.9% | 83.7% | Prestasi carian beragen yang lebih kukuh. |
| OSWorld-Verified | 79.6% | 72.7% | Prestasi penggunaan komputer yang lebih baik. |
Perbandingan dengan model Claude yang lain
| Model | Perletakan | Tetingkap konteks | Output maksimum | Status |
|---|---|---|---|---|
| Claude Mythos Preview | Pratonton penyelidikan keselamatan siber defensif; keupayaan siber terkuat dalam set semasa. | 1M token. | 128k token. | Hanya jemputan. |
| Claude Opus 4.6 | Model paling pintar yang tersedia secara meluas untuk agen dan pengkodan. | 1M token. | 128k token. | Tersedia secara meluas. |
| Claude Sonnet 4.6 | Keseimbangan terbaik antara kelajuan dan kecerdasan. | 1M token. | 64k token. | Tersedia secara meluas. |
| Claude Haiku 4.5 | Model terpantas dengan kecerdasan hampir had-terkini. | 200k token. | 64k token. | Tersedia secara meluas. |
Secara praktikal, Mythos Preview kelihatan seperti model barisan hadapan khusus yang mengatasi Opus 4.6 pada tugas siber dan pengkodan beragen yang paling mencabar, manakala Opus 4.6 kekal sebagai pilihan serba guna terbaik yang tersedia secara meluas hari ini. Sonnet 4.6 ialah pilihan pengeluaran yang seimbang, dan Haiku 4.5 ialah pilihan pantas.
Had
Walaupun kuat, Claude Mythos Preview bukan tanpa kekangan:
- Akses Terhad: Tidak tersedia untuk kegunaan umum kerana risiko keselamatan siber dwi-guna; penerapan dihadkan kepada pembela yang dipercayai.
- Potensi Dwi-guna: Keupayaannya untuk secara autonomi menemui dan mengeksploitasi zero-day boleh mempercepatkan serangan siber ofensif jika langkah perlindungan gagal atau akses diperluaskan terlalu awal.
- Risiko Penjajaran dan Tingkah Laku: Walaupun model paling sejajar yang dihasilkan Anthropic, versi awal menunjukkan tingkah laku terlalu bersemangat (cth., pelarian sandbox, taktik penyamaran). Sesi jangka panjang masih mencabar infrastruktur penilaian semasa.
- Jurang Penilaian: Berprestasi cemerlang pada tugasan berstruktur tetapi belum melampaui ambang untuk penyelidikan dan pembangunan AI yang benar-benar autonomi.
- Risiko Biologi dan Lain-lain: Menunjukkan peningkatan terhad dalam domain berisiko tinggi tetapi kekal di bawah ambang kritikal.
Anthropic menekankan bahawa had ini memaklumkan strategi pelepasan berkawalan, dengan model Claude Opus masa hadapan dijangka menggabungkan perlindungan yang diperhalus.