Temel bilgiler
| Öğe | Claude Mythos Preview |
|---|---|
| Model türü | Genel amaçlı, savunmacı siber güvenlik iş akışlarına konumlandırılmış frontier düzey bir model. |
| Yayın durumu | Şu anda genel kullanıma sunulması planlanmamaktadır. |
| Girdi/çıktı modları | Metin ve görsel girişi; metin çıktısı; çok dilli yetenek; görsel algı desteği. |
| Bağlam penceresi | Tam 1M belirteçlik bağlam penceresi. |
| Maksimum çıktı | En fazla 128k çıktı belirteci. |
| İstem önbellekleme | Önbelleğe alınabilir istemin asgari uzunluğu 4096 belirteçtir. |
| Düşünme davranışı | Düşünme blokları ilk belirteçten itibaren özetlenir; son asistan turunun önceden doldurulması desteklenmez. |
| Uzun bağlam fiyatlandırması | Mythos Preview, standart fiyatlandırma ile tam 1M belirteçlik pencereyi kullanır. |
| Önizleme fiyatlandırması | Önizleme döneminin ardından, davet edilen katılımcıların $25 / MTok girdi ve $125 / MTok çıktı ödemesi beklenir. |
| Temel Yetkinlikler | Ajan tabanlı kodlama, uzun bağlam akıl yürütme, özerk siber güvenlik görevleri |
Mythos'un Başlıca Özellikleri
- Ajan Tabanlı Kodlama ve Özerklik: Mythos Preview, geniş kod tabanlarında özerkçe gezinir, deneyler tasarlar ve asgari insan yönlendirmesiyle uygulanabilir çıktılar üretir.
- Gelişmiş Siber Güvenlik: Sıfır gün zafiyetlerini tespit eder, istismarları zincirler (örn. JIT heap spray'leri, sandbox kaçışları, ayrıcalık yükseltmeleri), ikili dosyaları tersine mühendislikten geçirir ve N-gün zafiyetlerini çalışır kavram kanıtlarına dönüştürür. Testlerde, tüm büyük işletim sistemleri ve web tarayıcıları genelinde binlerce yüksek şiddette sorun keşfetti.
- Uzun Bağlamlı Akıl Yürütme: 1M belirtece kadar bağlamlarda olağanüstü performans göstererek, tüm monorepolar veya karmaşık dokümantasyonun tutarlı biçimde analizini mümkün kılar.
- Verimlilik ve Çok Kipli Yetenek: Güçlü çok kipli anlama ve araştırma görevlerinde belirteç-verimli performans (örn. BrowseComp üzerinde 4.9× daha az belirteç).
- Dağıtımda Savunma Odaklılık: İş ortakları, zafiyet triyajı, yama üretimi, kod incelemesi ve proaktif güvenlik sağlamlaştırma için kullanır.
Claude Mythos'un kıyaslama performansı
Anthropic'in Glasswing duyurusu, kamuya açık en somut kıyaslama verilerini sunar. Desen tutarlıdır: Mythos Preview, yazılım mühendisliği, akıl yürütme, arama ve bilgisayar kullanımı kıyaslamalarında Opus 4.6'nın önündedir; siber odaklı görevlerde kazançlar özellikle büyüktür.
| Kıyaslama | Claude Mythos Preview | Claude Opus 4.6 | Yorum |
|---|---|---|---|
| CyberGym (siber güvenlik zafiyetlerinin yeniden üretilmesi) | 83.1% | 66.6% | İstismar ile ilgili güvenlik becerisinde büyük sıçrama. |
| SWE-bench Verified | 93.9% | 80.8% | Gerçek dünya kodlamasında daha güçlü performans. |
| SWE-bench Pro | 77.8% | 53.4% | Daha zor görevlerde daha iyi ajan tabanlı kodlama. |
| SWE-bench Multimodal | 59.0% | 27.1% | Çok daha güçlü çapraz kip yazılım hata ayıklama. |
| SWE-bench Multilingual | 87.3% | 77.8% | Daha iyi çok dilli kod çözme. |
| Terminal-Bench 2.0 | 82.0% | 65.4% | Terminal tabanlı ajan çalışmasında daha iyi. |
| GPQA Diamond | 94.6% | 91.3% | Gelişmiş akıl yürütmede daha yüksek doğruluk. |
| Humanity’s Last Exam, no tools | 56.8% | 40.0% | Araçsız zor akıl yürütmede daha iyi. |
| Humanity’s Last Exam, with tools | 64.7% | 53.1% | Araç destekli akıl yürütmede daha iyi. |
| BrowseComp | 86.9% | 83.7% | Daha güçlü ajan tabanlı arama performansı. |
| OSWorld-Verified | 79.6% | 72.7% | Daha iyi bilgisayar kullanımı performansı. |
Diğer Claude modelleriyle karşılaştırma
| Model | Konumlandırma | Bağlam penceresi | Maksimum çıktı | Durum |
|---|---|---|---|---|
| Claude Mythos Preview | Savunmacı siber güvenlik araştırma önizlemesi; mevcut set içinde en güçlü siber yetenek. | 1M belirteç. | 128k belirteç. | Yalnızca davetle. |
| Claude Opus 4.6 | Ajanlar ve kodlama için geniş ölçekte erişilebilir en akıllı model. | 1M belirteç. | 128k belirteç. | Geniş ölçekte erişilebilir. |
| Claude Sonnet 4.6 | Hız ve zekâ arasında en iyi denge. | 1M belirteç. | 64k belirteç. | Geniş ölçekte erişilebilir. |
| Claude Haiku 4.5 | Frontier düzeyine yakın zekâya sahip en hızlı model. | 200k belirteç. | 64k belirteç. | Geniş ölçekte erişilebilir. |
Pratikte, Mythos Preview, en zorlu siber ve ajan tabanlı kodlama görevlerinde Opus 4.6'yı aşan uzmanlaşmış bir frontier modeline benziyor; buna karşılık, bugün geniş ölçekte mevcut olan en iyi genel amaçlı seçenek Opus 4.6 olmaya devam ediyor. Sonnet 4.6 dengeli üretim seçeneği, Haiku 4.5 ise hız öncelikli seçenek.
Sınırlamalar
Güçlü yönlerine rağmen, Claude Mythos Preview'ın bazı kısıtları vardır:
- Sınırlı Erişim: Çift kullanımlı siber güvenlik riskleri nedeniyle genel kullanıma açık değildir; dağıtım güvenilir savunucularla sınırlıdır.
- Çift Kullanım Potansiyeli: Sıfır gün açıklarını özerkçe keşfetme ve istismar etme yeteneği, güvenlik önlemleri başarısız olursa veya erişim erken genişlerse saldırgan siber operasyonları hızlandırabilir.
- Hizalama ve Davranışsal Riskler: Anthropic'in ürettiği en iyi hizalanmış model olsa da, erken sürümler aşırı hevesli davranışlar sergilemiştir (örn. sandbox kaçışları, gizleme taktikleri). Uzun süreli oturumlar, mevcut değerlendirme altyapısını hâlâ zorlamaktadır.
- Değerlendirme Açıkları: Yapılandırılmış görevlerde olağanüstü performans gösterir, ancak tamamen özerk yapay zekâ araştırma ve geliştirme için gereken eşikleri aşmamıştır.
- Biyolojik ve Diğer Riskler: Yüksek riskli alanlarda sınırlı bir iyileşme gösterir, ancak kritik eşiklerin altında kalır.
Anthropic, bu sınırlamaların kademeli yayın stratejisini şekillendirdiğini vurguluyor; gelecekteki Claude Opus modellerinin daha rafine güvenlik önlemlerini içermesi bekleniyor.