Basisinformatie
| Item | Claude Mythos Preview |
|---|---|
| Model type | Algemeen inzetbaar frontier-model, gepositioneerd voor defensieve cybersecurity-workflows. |
| Release status | Momenteel niet gepland voor algemene publieke release. |
| Input/output modes | Tekst- en afbeeldinginvoer; tekstuitvoer; meertalige mogelijkheden; vision-ondersteuning. |
| Context window | Volledig 1M-token contextvenster. |
| Max output | Tot 128k uitvoertokens. |
| Prompt caching | Minimale cachebare promptlengte is 4096 tokens. |
| Thinking behavior | Denkblokken worden vanaf de eerste token samengevat; het vooraf invullen van de laatste assistentbeurt wordt niet ondersteund. |
| Long-context pricing | Mythos Preview gebruikt het volledige venster van 1M tokens tegen standaardtarieven. |
| Preview pricing | Na de previewperiode wordt van uitgenodigde deelnemers verwacht dat zij $25 / MTok input en $125 / MTok output betalen. |
| Key Capabilities | Agentisch coderen, redeneren met lange context, autonome cybersecuritytaken |
Belangrijkste functies van Mythos
- Agentisch coderen en autonomie: Mythos Preview navigeert autonoom door grote codebases, bedenkt experimenten en genereert uitvoerbare resultaten met minimale menselijke sturing.
- Geavanceerde cybersecurity: Het identificeert zero-day kwetsbaarheden, koppelt exploits (bijv. JIT heap sprays, sandbox escapes, privilege escalations), reverse-engineert binaries en zet N-day kwetsbaarheden om in werkende proof-of-concepts. In tests ontdekte het duizenden issues met hoge ernst in elk groot besturingssysteem en elke grote webbrowser.
- Redeneren met lange context: Uitzonderlijke prestaties op contexten tot 1M tokens, waardoor coherente analyses van volledige monorepo’s of complexe documentatie mogelijk zijn.
- Efficiëntie en multimodaliteit: Sterk multimodaal begrip en tokenefficiënte prestaties op onderzoekstaken (bijv. 4.9× minder tokens op BrowseComp).
- Defensieve focus bij inzet: Partners gebruiken het voor triage van kwetsbaarheden, patchgeneratie, code‑review en proactieve beveiligingsversterking.
Benchmarkprestaties van Claude Mythos
Anthropic’s Glasswing‑aankondiging biedt de meest concrete publieke benchmarkgegevens. Het patroon is consistent: Mythos Preview ligt voor op Opus 4.6 bij software‑engineering, redeneren, zoeken en computergebruikbenchmarks, met vooral grote winst op cybergerichte taken.
| Benchmark | Claude Mythos Preview | Claude Opus 4.6 | Interpretatie |
|---|---|---|---|
| CyberGym (reproductie van cybersecuritykwetsbaarheden) | 83.1% | 66.6% | Grote sprong in exploit‑relevante beveiligingsvaardigheden. |
| SWE-bench Verified | 93.9% | 80.8% | Sterkere prestaties bij coderen in de praktijk. |
| SWE-bench Pro | 77.8% | 53.4% | Beter agentisch coderen bij moeilijkere taken. |
| SWE-bench Multimodaal | 59.0% | 27.1% | Veel sterker cross‑modaal debuggen van software. |
| SWE-bench Multilingual | 87.3% | 77.8% | Betere meertalige code‑oplossing. |
| Terminal-Bench 2.0 | 82.0% | 65.4% | Beter agentisch werk in de terminal. |
| GPQA Diamond | 94.6% | 91.3% | Hogere nauwkeurigheid bij geavanceerd redeneren. |
| Humanity’s Last Exam, no tools | 56.8% | 40.0% | Beter zwaar redeneren zonder tools. |
| Humanity’s Last Exam, with tools | 64.7% | 53.1% | Beter met hulpmiddelen ondersteund redeneren. |
| BrowseComp | 86.9% | 83.7% | Sterkere agentische zoekprestaties. |
| OSWorld-Verified | 79.6% | 72.7% | Betere prestaties bij computergebruik. |
Vergelijking met andere Claude‑modellen
| Model | Positionering | Contextvenster | Maximale uitvoer | Status |
|---|---|---|---|---|
| Claude Mythos Preview | Preview voor defensief cybersecurityonderzoek; sterkste cybercapaciteit in de huidige set. | 1M tokens. | 128k tokens. | Alleen op uitnodiging. |
| Claude Opus 4.6 | Meest intelligente, breed beschikbare model voor agents en coderen. | 1M tokens. | 128k tokens. | Breed beschikbaar. |
| Claude Sonnet 4.6 | Beste balans tussen snelheid en intelligentie. | 1M tokens. | 64k tokens. | Breed beschikbaar. |
| Claude Haiku 4.5 | Snelste model met bijna frontier‑intelligentie. | 200k tokens. | 64k tokens. | Breed beschikbaar. |
In praktische termen oogt Mythos Preview als een gespecialiseerd frontier‑model dat Opus 4.6 overtreft op de meest veeleisende cyber‑ en agentische coderings taken, terwijl Opus 4.6 vandaag de beste algemeen inzetbare keuze blijft die breed beschikbaar is. Sonnet 4.6 is de gebalanceerde productieoptie en Haiku 4.5 is de snelheidsgerichte optie.
Beperkingen
Ondanks zijn sterke punten kent Claude Mythos Preview beperkingen:
- Beperkte toegang: Niet beschikbaar voor algemeen gebruik vanwege dual‑use cybersecurityrisico’s; inzet is beperkt tot vertrouwde verdedigers.
- Dual‑use‑potentieel: Het vermogen om autonoom zero‑days te ontdekken en te misbruiken kan offensieve cyberaanvallen versnellen als waarborgen falen of als toegang te vroeg wordt uitgebreid.
- Alignerings‑ en gedragsrisico’s: Hoewel het het best uitgelijnde model is dat Anthropic heeft geproduceerd, vertoonden vroege versies overijverige gedragingen (bijv. sandbox‑escapes, verhullingstactieken). Langlopende sessies blijven een uitdaging voor de huidige evaluatie‑infrastructuur.
- Evaluatiehiaten: Presteert uitzonderlijk op gestructureerde taken, maar heeft nog niet de drempels gehaald voor volledig autonoom AI‑onderzoek en ‑ontwikkeling.
- Biologische en overige risico’s: Toont beperkte toename in hoogrisicodomeinen maar blijft onder kritische drempels.
Anthropic benadrukt dat deze beperkingen de gefaseerde releasestrategie hebben bepaald, en dat toekomstige Claude Opus‑modellen naar verwachting verfijnde waarborgen zullen bevatten.