Anthropic의 내부 레드팀 테스트에서도 비슷한 결과가 보고됐다.

• 실제 오픈소스 프로젝트에서 제로데이 취약점 발견
• 클로즈드 소스 소프트웨어의 익스플로잇 역공학
• 패치가 늦은 N‑day 취약점을 실제 공격 코드로 전환

이런 능력은 AI가 단순히 취약점 힌트를 찾는 수준을 넘어 탐색 → 분석 → 공격 코드 작성까지 이어지는 일련의 작업을 연결할 수 있음을 보여준다 .

한계: 취약점 심각도 판단과 실제 공격 검증

하지만 Mythos가 보여준 능력에는 분명한 한계도 있다.

현재 공개된 자료를 보면 Mythos는 취약점을 많이 발견할 수 있는 도구이지만 다음 단계에서는 여전히 인간의 판단이 필요하다.

• 취약점의 실제 심각도 평가
• 패치 우선순위 결정
• 실제 환경에서 익스플로잇이 재현되는지 검증

또한 Mythos가 “수천 개의 고위험 버그”를 발견했다는 주장이나 인간 평가와 높은 일치율을 보였다는 수치는 대부분 Anthropic 측 자료나 2차 보도에서 나온 것이기 때문에 독립적으로 재현되기 전까지는 신중하게 해석해야 한다는 지적도 있다 .

실제 보안 팀 입장에서는 또 다른 문제가 생길 수 있다. AI가 너무 많은 잠재적 취약점을 찾아내면 **검증해야 할 후보가 폭증하면서 ‘트리아지 과부하’**가 발생할 수 있기 때문이다.

GPT‑5.5와의 비교: Mythos만의 독주일까?

초기 보도에서는 Mythos가 독보적인 사이버 능력을 가진 모델처럼 묘사되기도 했지만, 정부 테스트에서는 경쟁 모델도 빠르게 따라오고 있는 모습이 나타난다.

AISI의 평가에 따르면:

• Mythos는 초기 테스트에서 분명한 성능 향상을 보여줬다.
• 그러나 이후 테스트된 OpenAI의 GPT‑5.5도 비슷한 수준의 사이버 성능을 보였다 .

일부 분석에서는 GPT‑5.5가 어려운 “Expert” 난이도 문제에서 Mythos와 대체로 비슷한 성공률을 기록했다는 보도도 있다. 다만 이러한 수치는 AISI의 전체 데이터 공개 이전까지는 참고 수준으로 보는 것이 안전하다 .

보안 스타트업 XBOW의 자체 벤치마크에서도 실제 과거 취약점을 이용한 테스트에서 GPT‑5.5가 Mythos와 유사한 해킹 능력을 보였다는 분석이 제시됐다 .

이 때문에 업계에서는 성능 경쟁을 단순히 모델 자체가 아니라 도구 체계·워크플로·보안 전문지식과 결합된 시스템 전체로 봐야 한다는 의견도 나온다.

벤치마크의 한계: 실제 환경은 훨씬 복잡

AI 사이버 성능을 평가할 때 중요한 문제는 실험 환경과 현실 환경의 차이다.

AISI 테스트는 정부 주도의 신뢰도 높은 평가이지만, 연구기관 스스로도 다음과 같은 점을 인정한다.

• 테스트는 **제한된 ‘사이버 평가 스위트’**에 기반한다
• 실제 보안 환경을 완전히 반영하는 것은 아니다

연구 환경에서는 종종 다음과 같은 요소가 단순화된다.

• 이미 알려진 취약점
• 통제된 네트워크 환경
• 완전한 로그와 정보 접근

하지만 현실의 시스템은 불완전한 로그, 복잡한 권한 구조, 패치 부작용, 잘못된 경보 등 다양한 변수가 존재한다.

따라서 벤치마크 성능이 실제 침해 가능성과 정확히 동일하다고 보기는 어렵다.

왜 정부와 은행이 Mythos 접근을 원하나

그럼에도 불구하고 각국 정부와 금융기관은 이런 모델에 큰 관심을 보이고 있다.

• Anthropic은 유럽 은행들에게 Mythos 접근을 제공할 계획인 것으로 알려졌다 .
• 일본의 3대 메가뱅크(MUFG, 미즈호, SMFG)도 Mythos 접근을 받을 예정으로 보도됐다 .
• 일본 정부는 모델 공개 이후 AI 기반 사이버 공격 위험을 검토하는 태스크포스까지 구성했다 .

이유는 단순하다. 공격자도 같은 기술을 사용할 수 있기 때문이다.

보안 업계에서는 “AI가 취약점을 발견하는 속도가 인간보다 빨라질 가능성” 때문에, 방어 측 역시 같은 도구를 먼저 사용해야 한다는 인식이 확산되고 있다.

빠르게 커지는 AI 사이버 경쟁

AISI 연구에 따르면 AI가 자율적으로 수행할 수 있는 사이버 작업의 길이는 빠르게 증가하고 있다.

최근 분석에서는 이러한 작업 길이가 약 4~5개월마다 두 배씩 늘어나는 추세가 관찰됐다 .

영국 국가사이버보안센터(NCSC)도 최신 AI가 이미 다음과 같은 단계에서 실제 도움을 주고 있다고 경고했다.

• 제로데이 취약점 탐색
• 암호 문제 해결
• 공격 코드 작성 지원

결국 Mythos와 같은 모델은 **방어 도구이면서 동시에 공격 능력을 가속할 수 있는 ‘이중 용도 기술(dual‑use)’**이라는 평가가 나온다.

결론

현재까지 공개된 독립 평가를 종합하면 Mythos는 분명 취약점 탐지와 사이버 실험을 크게 가속하는 강력한 도구다.

하지만 동시에 다음 질문들은 아직 완전히 답이 나오지 않았다.

• 발견된 취약점의 실제 악용 가능성은 어느 정도인가
• 오탐(false positive) 비율은 얼마나 되는가
• 연구 환경이 아닌 실제 기업 시스템에서도 같은 성능이 나오는가
• 경쟁 모델이 더 낮은 비용으로 비슷한 성능을 낼 수 있는가

그래서 현재 보안 전문가들의 가장 현실적인 평가는 이렇다.

Mythos는 “완전한 AI 보안 분석가”가 아니라, 매우 강력하지만 신중하게 다뤄야 할 고성능 보안 보조 도구에 가깝다.

Anthropic의 내부 레드팀 테스트에서도 비슷한 결과가 보고됐다.

• 실제 오픈소스 프로젝트에서 제로데이 취약점 발견
• 클로즈드 소스 소프트웨어의 익스플로잇 역공학
• 패치가 늦은 N‑day 취약점을 실제 공격 코드로 전환

이런 능력은 AI가 단순히 취약점 힌트를 찾는 수준을 넘어 탐색 → 분석 → 공격 코드 작성까지 이어지는 일련의 작업을 연결할 수 있음을 보여준다 .

한계: 취약점 심각도 판단과 실제 공격 검증

하지만 Mythos가 보여준 능력에는 분명한 한계도 있다.

현재 공개된 자료를 보면 Mythos는 취약점을 많이 발견할 수 있는 도구이지만 다음 단계에서는 여전히 인간의 판단이 필요하다.

• 취약점의 실제 심각도 평가
• 패치 우선순위 결정
• 실제 환경에서 익스플로잇이 재현되는지 검증

또한 Mythos가 “수천 개의 고위험 버그”를 발견했다는 주장이나 인간 평가와 높은 일치율을 보였다는 수치는 대부분 Anthropic 측 자료나 2차 보도에서 나온 것이기 때문에 독립적으로 재현되기 전까지는 신중하게 해석해야 한다는 지적도 있다 .

실제 보안 팀 입장에서는 또 다른 문제가 생길 수 있다. AI가 너무 많은 잠재적 취약점을 찾아내면 **검증해야 할 후보가 폭증하면서 ‘트리아지 과부하’**가 발생할 수 있기 때문이다.

GPT‑5.5와의 비교: Mythos만의 독주일까?

초기 보도에서는 Mythos가 독보적인 사이버 능력을 가진 모델처럼 묘사되기도 했지만, 정부 테스트에서는 경쟁 모델도 빠르게 따라오고 있는 모습이 나타난다.

AISI의 평가에 따르면:

• Mythos는 초기 테스트에서 분명한 성능 향상을 보여줬다.
• 그러나 이후 테스트된 OpenAI의 GPT‑5.5도 비슷한 수준의 사이버 성능을 보였다 .

일부 분석에서는 GPT‑5.5가 어려운 “Expert” 난이도 문제에서 Mythos와 대체로 비슷한 성공률을 기록했다는 보도도 있다. 다만 이러한 수치는 AISI의 전체 데이터 공개 이전까지는 참고 수준으로 보는 것이 안전하다 .

보안 스타트업 XBOW의 자체 벤치마크에서도 실제 과거 취약점을 이용한 테스트에서 GPT‑5.5가 Mythos와 유사한 해킹 능력을 보였다는 분석이 제시됐다 .

이 때문에 업계에서는 성능 경쟁을 단순히 모델 자체가 아니라 도구 체계·워크플로·보안 전문지식과 결합된 시스템 전체로 봐야 한다는 의견도 나온다.

벤치마크의 한계: 실제 환경은 훨씬 복잡

AI 사이버 성능을 평가할 때 중요한 문제는 실험 환경과 현실 환경의 차이다.

AISI 테스트는 정부 주도의 신뢰도 높은 평가이지만, 연구기관 스스로도 다음과 같은 점을 인정한다.

• 테스트는 **제한된 ‘사이버 평가 스위트’**에 기반한다
• 실제 보안 환경을 완전히 반영하는 것은 아니다

연구 환경에서는 종종 다음과 같은 요소가 단순화된다.

• 이미 알려진 취약점
• 통제된 네트워크 환경
• 완전한 로그와 정보 접근

하지만 현실의 시스템은 불완전한 로그, 복잡한 권한 구조, 패치 부작용, 잘못된 경보 등 다양한 변수가 존재한다.

따라서 벤치마크 성능이 실제 침해 가능성과 정확히 동일하다고 보기는 어렵다.

왜 정부와 은행이 Mythos 접근을 원하나

그럼에도 불구하고 각국 정부와 금융기관은 이런 모델에 큰 관심을 보이고 있다.

• Anthropic은 유럽 은행들에게 Mythos 접근을 제공할 계획인 것으로 알려졌다 .
• 일본의 3대 메가뱅크(MUFG, 미즈호, SMFG)도 Mythos 접근을 받을 예정으로 보도됐다 .
• 일본 정부는 모델 공개 이후 AI 기반 사이버 공격 위험을 검토하는 태스크포스까지 구성했다 .

이유는 단순하다. 공격자도 같은 기술을 사용할 수 있기 때문이다.

보안 업계에서는 “AI가 취약점을 발견하는 속도가 인간보다 빨라질 가능성” 때문에, 방어 측 역시 같은 도구를 먼저 사용해야 한다는 인식이 확산되고 있다.

빠르게 커지는 AI 사이버 경쟁

AISI 연구에 따르면 AI가 자율적으로 수행할 수 있는 사이버 작업의 길이는 빠르게 증가하고 있다.

최근 분석에서는 이러한 작업 길이가 약 4~5개월마다 두 배씩 늘어나는 추세가 관찰됐다 .

영국 국가사이버보안센터(NCSC)도 최신 AI가 이미 다음과 같은 단계에서 실제 도움을 주고 있다고 경고했다.

• 제로데이 취약점 탐색
• 암호 문제 해결
• 공격 코드 작성 지원

결국 Mythos와 같은 모델은 **방어 도구이면서 동시에 공격 능력을 가속할 수 있는 ‘이중 용도 기술(dual‑use)’**이라는 평가가 나온다.

결론

현재까지 공개된 독립 평가를 종합하면 Mythos는 분명 취약점 탐지와 사이버 실험을 크게 가속하는 강력한 도구다.

하지만 동시에 다음 질문들은 아직 완전히 답이 나오지 않았다.

• 발견된 취약점의 실제 악용 가능성은 어느 정도인가
• 오탐(false positive) 비율은 얼마나 되는가
• 연구 환경이 아닌 실제 기업 시스템에서도 같은 성능이 나오는가
• 경쟁 모델이 더 낮은 비용으로 비슷한 성능을 낼 수 있는가

그래서 현재 보안 전문가들의 가장 현실적인 평가는 이렇다.

Mythos는 “완전한 AI 보안 분석가”가 아니라, 매우 강력하지만 신중하게 다뤄야 할 고성능 보안 보조 도구에 가깝다.