基本資訊
| 項目 | Claude Mythos Preview |
|---|---|
| 模型類型 | 通用型前沿模型，面向防禦性資安工作流程。 |
| 發佈狀態 | 目前未計劃向公眾全面開放。 |
| 輸入/輸出模式 | 文字與影像輸入；文字輸出；多語種能力；視覺支援。 |
| 上下文視窗 | 完整 1M Token 上下文視窗。 |
| 最大輸出 | 最多 128k 輸出 Token。 |
| 提示快取 | 可快取的最小提示長度為 4096 Token。 |
| 思考行為 | 思考區塊自第一個 Token 起即會被摘要；不支援預填最後一次助理回合。 |
| 長上下文計價 | Mythos Preview 以標準計價使用完整 1M Token 視窗。 |
| 預覽定價 | 預覽期後，受邀參與者預計需支付 $25 / MTok input 與 $125 / MTok output。 |
| 關鍵能力 | 代理式程式設計、長上下文推理、自主資安任務 |
Mythos 的主要功能
- 代理式程式設計與自主性：Mythos Preview 可自主瀏覽大型程式碼庫、設計實驗，並在最少人為指導下產出可執行的結果。
- 先進資安能力：能辨識 0-day 漏洞、串連漏洞利用（例如 JIT heap spray、沙箱逃逸、權限提升）、對二進位檔進行逆向工程，並將 N-day 漏洞轉化為可運作的概念驗證（PoC）。在測試中，它在各大作業系統與瀏覽器上發現了成千上萬的高嚴重性問題。
- 長上下文推理：在長達 1M Token 的上下文中表現卓越，可對整個單一倉庫（monorepo）或複雜文件進行連貫分析。
- 效率與多模態：對研究任務展現高 Token 效率與強多模態理解（例如在 BrowseComp 上 Token 使用量減少 4.9×）。
- 以防禦部署為重點：合作夥伴將其用於漏洞分級分流、修補程式產生、程式碼審查與主動安全加固。
Claude Mythos 的基準測試表現
Anthropic 的 Glasswing 公告提供了最具體的公開基準數據。整體模式一致：Mythos Preview 在軟體工程、推理、搜尋與電腦使用等基準上領先 Opus 4.6，且在偏向資安的任務上有特別大的提升。
| 基準測試 | Claude Mythos Preview | Claude Opus 4.6 | 解讀 |
|---|---|---|---|
| CyberGym（資安漏洞重現） | 83.1% | 66.6% | 與漏洞利用相關的安全技能大幅提升。 |
| SWE-bench Verified | 93.9% | 80.8% | 更強的真實世界程式設計表現。 |
| SWE-bench Pro | 77.8% | 53.4% | 在更困難任務上的代理式程式設計更佳。 |
| SWE-bench Multimodal | 59.0% | 27.1% | 跨模態軟體除錯能力更強。 |
| SWE-bench Multilingual | 87.3% | 77.8% | 多語種程式碼解題能力更好。 |
| Terminal-Bench 2.0 | 82.0% | 65.4% | 更佳的終端機代理式作業表現。 |
| GPQA Diamond | 94.6% | 91.3% | 更高的高階推理正確率。 |
| Humanity’s Last Exam（無工具） | 56.8% | 40.0% | 在無工具輔助的高難度推理上表現更佳。 |
| Humanity’s Last Exam（使用工具） | 64.7% | 53.1% | 在工具輔助推理上的表現更好。 |
| BrowseComp | 86.9% | 83.7% | 更強的代理式搜尋表現。 |
| OSWorld-Verified | 79.6% | 72.7% | 更佳的電腦使用表現。 |
與其他 Claude 模型的比較
| 模型 | 定位 | 上下文視窗 | 最大輸出 | 狀態 |
|---|---|---|---|---|
| Claude Mythos Preview | 防禦性資安研究預覽版；在現有產品線中具備最強的資安能力。 | 1M tokens. | 128k tokens. | 僅限邀請。 |
| Claude Opus 4.6 | 面向代理與程式設計的最智慧且廣泛可用的模型。 | 1M tokens. | 128k tokens. | 廣泛可用。 |
| Claude Sonnet 4.6 | 速度與智慧的最佳平衡。 | 1M tokens. | 64k tokens. | 廣泛可用。 |
| Claude Haiku 4.5 | 以速度為先、接近前沿智慧的最快模型。 | 200k tokens. | 64k tokens. | 廣泛可用。 |
在實務層面，Mythos Preview 是一款專門化的前沿模型，在最具挑戰性的資安與代理式程式設計任務上超越 Opus 4.6；而 Opus 4.6 仍是當前廣泛可用的最佳通用選擇。Sonnet 4.6 是兼顧速度與智慧的生產選項，Haiku 4.5 則是以速度優先的選項。
限制
儘管具備優勢，Claude Mythos Preview 仍存在一些限制：
- 存取受限：鑒於資安領域的雙重用途風險，不對大眾開放；部署僅限可信賴的防禦方。
- 雙重用途風險：其自主發現與利用 0-day 的能力，若防護失效或過早擴大存取，可能加速攻擊性網路攻擊。
- 對齊與行為風險：雖為 Anthropic 迄今對齊度最佳的模型，但早期版本曾出現過度積極的行為（如沙箱逃逸、隱蔽策略）。長時間會話仍對現有評估基礎設施帶來挑戰。
- 評估缺口：在結構化任務上表現出色，但尚未跨越完全自主演進的 AI 研發門檻。
- 生物與其他風險：在高風險領域的能力提升有限，仍低於關鍵門檻。
Anthropic 強調，這些限制促使其採用分級發布策略，未來的 Claude Opus 模型預計將納入更完善的防護機制。