Claude Mythos 的資安能力有多獨特？便宜模型已經追上了嗎

Claude Mythos Preview 確實值得資安圈緊盯，但目前公開證據還不足以支持「只有 Mythos 做得到」這種簡化說法。更準確的判斷是：Mythos 在自主、多步驟的資安工作上看來領先；但如果任務被縮小、程式碼已整理好，較便宜或開放權重模型也能重現部分關鍵推理 。

先講結論：領先存在，獨家護城河還沒被證明

如果所謂「獨特」指的是在困難、端到端的資安流程中明顯領先，Mythos 有相當強的證據。英國 AI Security Institute（AISI，英國 AI 安全研究機構）表示，Mythos Preview 相比先前前沿模型「再上一階」；在受控評估中，當研究人員明確指示並給予網路存取權限時，AISI 觀察到它能對有漏洞的網路執行多階段攻擊，並自主發現、利用漏洞 。

但如果「獨特」指的是便宜公開模型完全無法做出類似資安推理，公開證據就弱得多。Aisle 測試了 Anthropic 展示的漏洞案例：先把相關程式碼隔離出來，再交給小型、便宜的開放權重模型分析；結果顯示，這些模型能找回相當一部分相同分析 。

Mythos 真正強在哪裡？長鏈條、可執行、像代理人的任務

Mythos 最清楚的優勢，不是單次問答，而是長時間跨度的工作：漏洞發現、漏洞利用、逆向工程，以及需要規劃、使用工具、串接多個步驟的模擬入侵。AISI 特別提到 Capture-the-Flag（CTF，資安奪旗賽）任務與多步驟攻擊模擬，並把 Mythos 放在「AI 模型資安能力快速提升」的大趨勢下解讀 。

Anthropic 自家的紅隊報告說得更強，稱 Mythos 在多類資安任務上表現突出，包括在真實開源程式碼庫中發現零日漏洞、對閉源軟體進行逆向工程並形成利用方式，以及把 N-day 漏洞轉成可運作的 exploit 。不過，同一份報告也說，由於超過 99% 被發現的漏洞尚未修補，公開細節受到限制，因此外部讀者無法獨立檢視多數案例 。

便宜模型為什麼仍然挑戰「護城河」說法

低成本模型的反駁點，不是說小型開放權重系統已經能像 Mythos 一樣自主行動。重點在於：AI 的資安能力可能很「鋸齒狀」——某個模型在一些任務上很弱，卻可能在範圍明確、材料準備好的漏洞分析中出人意料地有用。Aisle 的測試顯示，只要先把相關程式碼隔離出來，小型、便宜的開放權重模型也能在 Mythos 展示的部分漏洞案例中重現不少分析 。

科技媒體 Tom’s Hardware 對公告後的討論也做了類似總結：Mythos 可能是目前整體資安能力最強的 AI 模型之一，但在某些找 exploit 與修補漏洞的任務上，便宜模型也能達到相近結果；同時，可靠性與可用時間仍是問題 。

這個差別很重要。能在已切好的程式碼片段上做出相似分析，不等於能自主探索網路、連接多個攻擊步驟、利用漏洞並完成模擬入侵。公開證據最能支持的，是 Mythos 在這類更長、更像代理人行為的工作流上有領先 。

真正差異可能是「整套系統」，不是單一模型

從目前證據看，最合理的解釋不是「模型本身獨一無二」，而是模型加上資安專用支架：工具、執行環境、存取權限、上下文選擇、提示設計，以及專家審查。Aisle 明確主張，護城河在於「把深度安全專業嵌入其中的系統」，而不是模型本身 。AISI 的評估也凸顯了設定的重要性，因為 Mythos 最強的行為是在受控條件下、被明確指示並取得網路存取時出現 。

存取權限也是故事的一部分。Bain 的分析把 Claude Mythos Preview 描述為具備嚴肅資安能力的前沿模型，能力強到 Anthropic 將其釋出限制在名為 Project Glasswing 的受審核合作夥伴計畫中 。因此，實務上的比較不是單純問哪個公開 API 比較便宜，而是要問：可取得的模型、工具與專業能力，能否重建同等工作流 。

目前公開證據仍回答不了什麼

現在還沒有乾淨的公開「同場競技」價格／效能基準，能在完全相同條件下比較 Mythos、低成本 API 與開放權重模型。AISI 評估的是受控環境中的 Mythos，並將其與先前前沿模型的進展相比 。Anthropic 提供了詳細但由開發者撰寫的紅隊證據 。Aisle 則提供較窄的反向測試，聚焦在 Anthropic 展示過的部分漏洞案例 。這些資料都重要，但回答的是不同問題。

真正理想的比較，必須固定工具存取、程式碼上下文、網路權限、嘗試次數、運算預算、exploit 執行規則與人類審查程度。少了這些條件，無論說 Mythos 已形成不可追趕的護城河，或說便宜模型已經全面追上，都還太早 。

實務上該怎麼讀這場比較

使用情境	證據最合理的讀法
自主紅隊式工作流	Mythos 級系統看來明顯領先，尤其是模型必須搭配工具與網路存取，自己規劃並執行多個步驟時 。
有界限的程式碼漏洞初篩	當相關程式碼已準備好、流程夠窄時，便宜或開放權重模型可能已經有實用價值 。
企業 AI 風險規劃	不應把 Mythos 視為一次性異常。Bain 認為 Mythos 的風險很嚴肅，但其他前沿系統已具備部分可比能力，或很可能跟上 。
模型評估	不要只比較模型名稱，要比較完整系統。工具、支架、上下文與人類專業都可能改變結果 。

底線

Claude Mythos 的資安能力在需要自主性與多步驟執行時看起來相當突出。但公開紀錄還沒有證明，它的底層資安推理能力是便宜模型完全無法取得的獨家資產。比較穩妥的結論是：Mythos 在複雜資安工作流上確實領先；而低成本模型若搭配良好工具與專家監督，也能在範圍明確的分析任務中覆蓋令人意外的一部分能力 。