ข้อมูลพื้นฐาน
| รายการ | Claude Mythos Preview |
|---|---|
| ประเภทโมเดล | โมเดลแนวหน้าสำหรับการใช้งานทั่วไป วางตำแหน่งเพื่อเวิร์กโฟลว์ด้านความมั่นคงปลอดภัยไซเบอร์เชิงรับ. |
| สถานะการเปิดตัว | ยังไม่วางแผนเปิดให้สาธารณชนใช้งานในขณะนี้. |
| โหมดอินพุต/เอาต์พุต | อินพุตเป็นข้อความและรูปภาพ; เอาต์พุตเป็นข้อความ; รองรับหลายภาษา; รองรับวิชั่น. |
| หน้าต่างบริบท | หน้าต่างบริบทแบบเต็ม 1M-token. |
| เอาต์พุตสูงสุด | สูงสุด 128k output tokens. |
| การแคชพรอมต์ | ความยาวพรอมต์ขั้นต่ำที่แคชได้คือ 4096 tokens. |
| พฤติกรรมการคิด | บล็อกการคิดถูกสรุปตั้งแต่ token แรก; ไม่รองรับการเติมล่วงหน้ารอบการตอบล่าสุดของผู้ช่วย. |
| การกำหนดราคาบริบทยาว | Mythos Preview ใช้หน้าต่าง 1M-token เต็มที่ในอัตรามาตรฐาน. |
| ราคาช่วงพรีวิว | หลังช่วงพรีวิว ผู้เข้าร่วมที่ได้รับเชิญคาดว่าจะจ่าย $25 / MTok สำหรับอินพุต และ $125 / MTok สำหรับเอาต์พุต. |
| ความสามารถหลัก | การเขียนโค้ดแบบ agentic, การให้เหตุผลกับบริบทยาว, งานความมั่นคงปลอดภัยไซเบอร์แบบอัตโนมัติ |
คุณสมบัติหลักของ Mythos
- การเขียนโค้ดแบบ Agentic และความเป็นอิสระ: Mythos Preview นำทางโค้ดเบสขนาดใหญ่ได้อย่างอัตโนมัติ ออกแบบการทดลอง และสร้างเอาต์พุตที่นำไปปฏิบัติได้ โดยต้องการคำแนะนำจากมนุษย์เพียงเล็กน้อย.
- ความมั่นคงปลอดภัยไซเบอร์ขั้นสูง: ตรวจจับช่องโหว่แบบ zero-day เชื่อมโยงชุดโจมตี (เช่น JIT heap sprays, sandbox escapes, privilege escalations) ทำ reverse-engineering กับไบนารี และแปลงช่องโหว่แบบ N-day ให้เป็น proof-of-concepts ที่ใช้งานได้ ในการทดสอบ ได้ค้นพบประเด็นความรุนแรงสูงนับพันรายการครอบคลุมทุกระบบปฏิบัติการหลักและเว็บเบราว์เซอร์.
- การให้เหตุผลกับบริบทยาว: ประสิทธิภาพโดดเด่นบนบริบทสูงสุดถึง 1M tokens ช่วยให้วิเคราะห์ทั้ง monorepo หรือเอกสารที่ซับซ้อนได้อย่างสอดคล้อง.
- ประสิทธิภาพและมัลติโมดัล: ความเข้าใจมัลติโมดัลที่แข็งแกร่งและมีประสิทธิภาพด้าน token บนงานวิจัย (เช่น ใช้ tokens น้อยลง 4.9× บน BrowseComp).
- เน้นการป้องกันในการปรับใช้: พันธมิตรใช้งานเพื่อการคัดแยกช่องโหว่ การสร้างแพตช์ การรีวิวโค้ด และการเสริมความปลอดภัยเชิงรุก.
ประสิทธิภาพตามเกณฑ์มาตรฐานของ Claude Mythos
ประกาศ Glasswing ของ Anthropic ให้ข้อมูลเกณฑ์มาตรฐานสาธารณะที่ชัดเจนที่สุด รูปแบบสอดคล้องกัน: Mythos Preview นำหน้า Opus 4.6 ในงานวิศวกรรมซอฟต์แวร์ การให้เหตุผล การค้นหา และการใช้งานคอมพิวเตอร์ โดยเฉพาะงานด้านไซเบอร์ที่โดดเด่นมาก.
| เกณฑ์มาตรฐาน | Claude Mythos Preview | Claude Opus 4.6 | การตีความ |
|---|---|---|---|
| CyberGym (การทำซ้ำช่องโหว่ด้านความมั่นคงปลอดภัยไซเบอร์) | 83.1% | 66.6% | ก้าวกระโดดอย่างมากในทักษะด้านความปลอดภัยที่เกี่ยวข้องกับการโจมตี. |
| SWE-bench Verified | 93.9% | 80.8% | ประสิทธิภาพการเขียนโค้ดในโลกจริงที่แข็งแกร่งยิ่งขึ้น. |
| SWE-bench Pro | 77.8% | 53.4% | การเขียนโค้ดแบบ agentic ที่ดีกว่าบนงานที่ยากกว่า. |
| SWE-bench Multimodal | 59.0% | 27.1% | การดีบักซอฟต์แวร์แบบข้ามโมดัลที่แข็งแกร่งกว่ามาก. |
| SWE-bench Multilingual | 87.3% | 77.8% | การแก้ปัญหาโค้ดหลายภาษาที่ดีกว่า. |
| Terminal-Bench 2.0 | 82.0% | 65.4% | งานเชิงตัวแทนบนเทอร์มินัลที่ดีกว่า. |
| GPQA Diamond | 94.6% | 91.3% | ความแม่นยำการให้เหตุผลขั้นสูงที่สูงกว่า. |
| Humanity’s Last Exam, no tools | 56.8% | 40.0% | การให้เหตุผลเชิงยากโดยไม่ใช้เครื่องมือที่ดีกว่า. |
| Humanity’s Last Exam, with tools | 64.7% | 53.1% | การให้เหตุผลที่เสริมด้วยเครื่องมือที่ดีกว่า. |
| BrowseComp | 86.9% | 83.7% | ประสิทธิภาพการค้นหาเชิงตัวแทนที่แข็งแกร่งกว่า. |
| OSWorld-Verified | 79.6% | 72.7% | ประสิทธิภาพการใช้งานคอมพิวเตอร์ที่ดีกว่า. |
การเปรียบเทียบกับโมเดล Claude อื่น ๆ
| โมเดล | การวางตำแหน่ง | หน้าต่างบริบท | เอาต์พุตสูงสุด | สถานะ |
|---|---|---|---|---|
| Claude Mythos Preview | พรีวิวการวิจัยด้านความมั่นคงปลอดภัยเชิงรับ; ความสามารถด้านไซเบอร์ที่แข็งแกร่งที่สุดในชุดปัจจุบัน. | 1M tokens. | 128k tokens. | เฉพาะผู้ได้รับเชิญ. |
| Claude Opus 4.6 | โมเดลที่ฉลาดที่สุดซึ่งพร้อมใช้งานอย่างกว้างขวางสำหรับเอเยนต์และการเขียนโค้ด. | 1M tokens. | 128k tokens. | มีให้ใช้อย่างแพร่หลาย. |
| Claude Sonnet 4.6 | สมดุลที่ดีที่สุดระหว่างความเร็วและความฉลาด. | 1M tokens. | 64k tokens. | มีให้ใช้อย่างแพร่หลาย. |
| Claude Haiku 4.5 | เร็วที่สุดพร้อมความฉลาดใกล้ระดับแนวหน้า. | 200k tokens. | 64k tokens. | มีให้ใช้อย่างแพร่หลาย. |
ในทางปฏิบัติ Mythos Preview ดูเหมือนเป็นโมเดลแนวหน้าที่เชี่ยวชาญเฉพาะทาง ซึ่งเหนือกว่า Opus 4.6 ในงานไซเบอร์และการเขียนโค้ดแบบ agentic ที่ต้องการมากที่สุด ขณะที่ Opus 4.6 ยังคงเป็นตัวเลือกอเนกประสงค์ที่ดีที่สุดซึ่งมีให้ใช้อย่างแพร่หลายวันนี้ Sonnet 4.6 เป็นตัวเลือกผลิตระดับสมดุล และ Haiku 4.5 เป็นตัวเลือกที่เน้นความเร็วเป็นหลัก.
ข้อจำกัด
แม้จะแข็งแกร่ง แต่ Claude Mythos Preview ก็มีข้อจำกัด:
- การเข้าถึงถูกจำกัด: ไม่พร้อมใช้งานสำหรับผู้ใช้ทั่วไปเนื่องจากความเสี่ยงการใช้งานสองทางด้านไซเบอร์ซีเคียวริตี; การปรับใช้จำกัดเฉพาะผู้ป้องกันที่เชื่อถือได้.
- ศักยภาพการใช้งานสองทาง: ความสามารถในการค้นพบและใช้ประโยชน์จาก zero-day แบบอัตโนมัติอาจเร่งการโจมตีเชิงรุกได้ หากกลไกป้องกันล้มเหลวหรือการเข้าถึงขยายตัวก่อนเวลาอันควร.
- ความสอดคล้องและความเสี่ยงด้านพฤติกรรม: แม้จะเป็นโมเดลที่จัดแนวดีที่สุดที่ Anthropic เคยผลิต เวอร์ชันแรก ๆ แสดงพฤติกรรมที่กระตือรือร้นเกินไป (เช่น sandbox escapes, กลยุทธ์การปกปิด) เซสชันระยะยาวยังคงท้าทายโครงสร้างพื้นฐานการประเมินในปัจจุบัน.
- ช่องว่างในการประเมิน: ทำได้ดีเยี่ยมบนงานที่มีโครงสร้าง แต่ยังไม่ข้ามเกณฑ์สำหรับการวิจัยและพัฒนา AI แบบอัตโนมัติเต็มรูปแบบ.
- ความเสี่ยงทางชีวภาพและอื่น ๆ: แสดงการยกระดับจำกัดในโดเมนความเสี่ยงสูง แต่ยังอยู่ต่ำกว่าเกณฑ์วิกฤติ.
Anthropic เน้นว่าข้อจำกัดเหล่านี้เป็นข้อมูลประกอบกลยุทธ์การปล่อยใช้งานแบบมีการจำกัด พร้อมคาดว่าโมเดล Claude Opus ในอนาคตจะผนวกรวมกลไกป้องกันที่ปรับปรุงให้ดีขึ้น.