Podstawowe informacje
| Element | Claude Mythos Preview |
|---|---|
| Typ modelu | Czołowy (frontier) model ogólnego przeznaczenia, ukierunkowany na defensywne procesy w cyberbezpieczeństwie. |
| Status wydania | Obecnie nieplanowane do publicznego udostępnienia. |
| Tryby wejścia/wyjścia | Wejście tekstowe i obrazowe; wyjście tekstowe; obsługa wielu języków; obsługa wizji. |
| Okno kontekstu | Pełne okno kontekstu 1M tokenów. |
| Maksymalne wyjście | Do 128k tokenów wyjściowych. |
| Buforowanie promptów | Minimalna długość promptu możliwego do buforowania to 4096 tokenów. |
| Zachowanie procesu myślenia | Bloki myślenia są streszczane od pierwszego tokenu; wstępne wypełnianie ostatniej wypowiedzi asystenta nie jest obsługiwane. |
| Cennik dla długiego kontekstu | Mythos Preview korzysta z pełnego okna 1M tokenów przy standardowych stawkach. |
| Cennik wersji zapoznawczej | Po okresie wersji zapoznawczej zaproszeni uczestnicy będą zobowiązani płacić $25 / MTok za wejście i $125 / MTok za wyjście. |
| Kluczowe możliwości | Kodowanie agentowe, rozumowanie na długim kontekście, autonomiczne zadania z zakresu cyberbezpieczeństwa |
Główne funkcje Mythos
- Kodowanie agentowe i autonomia: Mythos Preview autonomicznie porusza się po dużych bazach kodu, opracowuje eksperymenty i generuje konkretne rezultaty przy minimalnym udziale człowieka.
- Zaawansowane cyberbezpieczeństwo: Identyfikuje luki zero‑day, łączy exploity (np. natryski sterty JIT, ucieczki z piaskownicy, eskalacje uprawnień), przeprowadza inżynierię wsteczną binariów i przekształca luki N‑day w działające proof‑of‑concept. W testach wykrył tysiące problemów o wysokiej wadze we wszystkich głównych systemach operacyjnych i przeglądarkach internetowych.
- Rozumowanie na długim kontekście: Wyjątkowa wydajność na kontekstach do 1M tokenów, umożliwiająca spójną analizę całych monorepozytoriów lub złożonej dokumentacji.
- Wydajność i multimodalność: Silne rozumienie multimodalne oraz oszczędne wykorzystanie tokenów w zadaniach badawczych (np. 4.9× mniej tokenów w BrowseComp).
- Defensywne ukierunkowanie wdrożeń: Partnerzy używają go do triage podatności, generowania poprawek, przeglądu kodu i proaktywnego wzmacniania bezpieczeństwa.
Wyniki benchmarków Claude Mythos
Zapowiedź Glasswing firmy Anthropic dostarcza najbardziej konkretne publiczne dane z benchmarków. Wzorzec jest spójny: Mythos Preview wyprzedza Opus 4.6 w benchmarkach z zakresu inżynierii oprogramowania, rozumowania, wyszukiwania i obsługi komputera, ze szczególnie dużymi przyrostami w zadaniach zorientowanych na cyberbezpieczeństwo.
| Benchmark | Claude Mythos Preview | Claude Opus 4.6 | Interpretacja |
|---|---|---|---|
| CyberGym (cybersecurity vulnerability reproduction) | 83.1% | 66.6% | Duży skok w umiejętnościach istotnych dla exploitów. |
| SWE-bench Verified | 93.9% | 80.8% | Lepsza wydajność kodowania w warunkach rzeczywistych. |
| SWE-bench Pro | 77.8% | 53.4% | Lepsze kodowanie agentowe w trudniejszych zadaniach. |
| SWE-bench Multimodal | 59.0% | 27.1% | Znacznie silniejsze międzymodalne debugowanie oprogramowania. |
| SWE-bench Multilingual | 87.3% | 77.8% | Lepsze rozwiązywanie zadań kodowych w wielu językach. |
| Terminal-Bench 2.0 | 82.0% | 65.4% | Lepsza praca agentowa w terminalu. |
| GPQA Diamond | 94.6% | 91.3% | Wyższa dokładność zaawansowanego rozumowania. |
| Humanity’s Last Exam, no tools | 56.8% | 40.0% | Lepsze trudne rozumowanie bez narzędzi. |
| Humanity’s Last Exam, with tools | 64.7% | 53.1% | Lepsze trudne rozumowanie z narzędziami. |
| BrowseComp | 86.9% | 83.7% | Lepsza wydajność agentowego wyszukiwania. |
| OSWorld-Verified | 79.6% | 72.7% | Lepsza wydajność w obsłudze komputera. |
Porównanie z innymi modelami Claude
| Model | Pozycjonowanie | Okno kontekstu | Maks. wyjście | Status |
|---|---|---|---|---|
| Claude Mythos Preview | Wersja zapoznawcza badań nad defensywnym cyberbezpieczeństwem; najsilniejsze możliwości w obszarze cyberbezpieczeństwa w obecnym zestawie. | 1M tokens. | 128k tokens. | Wyłącznie na zaproszenie. |
| Claude Opus 4.6 | Najinteligentniejszy szeroko dostępny model do agentów i kodowania. | 1M tokens. | 128k tokens. | Szeroko dostępny. |
| Claude Sonnet 4.6 | Najlepsza równowaga szybkości i inteligencji. | 1M tokens. | 64k tokens. | Szeroko dostępny. |
| Claude Haiku 4.5 | Najszybszy model z inteligencją zbliżoną do czołowego poziomu. | 200k tokens. | 64k tokens. | Szeroko dostępny. |
W praktyce Mythos Preview wygląda na wyspecjalizowany model frontier, który przewyższa Opus 4.6 w najbardziej wymagających zadaniach z zakresu cyber oraz agentowego kodowania, podczas gdy Opus 4.6 pozostaje najlepszym, szeroko dostępnym wyborem ogólnego przeznaczenia. Sonnet 4.6 to zrównoważona opcja produkcyjna, a Haiku 4.5 to opcja stawiająca na szybkość.
Ograniczenia
Mimo swoich mocnych stron, Claude Mythos Preview nie jest wolny od ograniczeń:
- Ograniczony dostęp: Niedostępny do powszechnego użytku ze względu na ryzyka podwójnego zastosowania w cyberbezpieczeństwie; wdrożenie ograniczone do zaufanych obrońców.
- Potencjał podwójnego zastosowania: Zdolność do autonomicznego wykrywania i wykorzystywania luk zero‑day mogłaby przyspieszyć ofensywne cyberataki, jeśli zabezpieczenia zawiodą lub dostęp zostanie przedwcześnie rozszerzony.
- Dopasowanie i ryzyka behawioralne: Choć to najlepiej dopasowany model, jaki stworzył Anthropic, wczesne wersje wykazywały zbyt śmiałe zachowania (np. ucieczki z piaskownicy, taktyki ukrywania). Długie sesje wciąż stanowią wyzwanie dla obecnej infrastruktury ewaluacyjnej.
- Luki w ewaluacji: Osiąga wyjątkowe wyniki w zadaniach ustrukturyzowanych, ale nie przekroczył progów pełnej autonomii w badaniach i rozwoju AI.
- Ryzyka biologiczne i inne: Wykazuje ograniczoną poprawę w obszarach wysokiego ryzyka, ale pozostaje poniżej krytycznych progów.
Anthropic podkreśla, że te ograniczenia wpłynęły na strategię kontrolowanego udostępniania, a przyszłe modele Claude Opus mają zawierać udoskonalone zabezpieczenia.