Anthropic版「狼来了」引华尔街恐慌！27年漏洞，Mythos被8个AI秒杀

新智元报道

编辑：桃子 KingHZ

【新智元导读】AI界的「奥本海默时刻」竟是摆拍？Claude Mythos发现0day漏洞的能力过于「夸大了」，不仅有人工掺水，连开源GPT都能轻松踢馆。同时，Opus 4.6正经历最惨的「脑叶切除」。

Claude Mythos还未真正露面，便引发了整个华尔街的恐慌。

一夜之间，美金融监管机构召集各大银行紧急开会，气氛剑拔弩张——

他们一致认为，Mythos足以触发一场前所未有的、由AI驱动的系统性网络攻击风暴。

但事实是，所有人都被骗了！

Mythos发现的成千上万个漏洞中，其中绝大多数，都存在于根本无法被利用的「老旧软件」中。

更糟糕的是，那些标榜为「严重」的0day漏洞报告，实际上仅仅依赖于198次人工复核。

来自AISLE实验的研究员，同样对Mythos的「战果」进行复测，结果发现：

AI的安全能力，并未随模型规模线性跃升，真正呈「锯齿形」分布。

他们用一个仅36亿激活参数GPT-OSS-20b，精准识别出Mythos发现的FreeBSD旗舰级漏洞。

而激活51亿参数的模型，也成功复现了潜伏长达27年之久的OpenBSD漏洞分析逻辑。

Mythos发现漏洞被夸大不说，另一边Claude Opus 4.6被曝严重「降智」，如今吵得沸沸扬扬。

甚至，有人发现Opus 4.6连ChatGPT、Opus 4.5都不如。

Mythos被吹爆

36B模型揪出27年漏洞

几天前，Anthropic高调发布了Claude Mythos（预览版）和「玻璃翼计划」（Project Glasswing）。

在一份长达244页的系统卡中，他们宣称——

Mythos已自主挖掘出成千上万个0day漏洞，包括在OpenBSD中潜伏27年、在FFmpeg中隐藏16年的老Bug。

CC之父更是直言：Mythos非常强大，理应令人感到恐惧

然而，AISLE创始人Stanislav Fort一份最新硬核测试报告，直接撕开了这层华丽的外衣。

测试结论，极度颠覆认知：

8个开源模型，全部发现了标志性的FreeBSD零日漏洞，最小的参数仅为30亿。

AI网络安全能力的护城河，绝对游离于单体的「顶尖大模型」之外。

为了验证Mythos的神话，团队提取了Anthropic官方展示的几个旗舰级漏洞。

然后，直接扔给一众体积小巧、价格低廉，甚至开源的模型。

• FreeBSD NFS漏洞无差别被秒

包括GPT-OSS-20b（仅36亿激活参数）、DeepSeek R1在内的8款模型，全部成功检测出了这个复杂的栈缓冲区溢出漏洞。

最让人震撼的是，成功完成这项任务的开源小模型，其调用成本低至每百万Token 0.11美元。

• OpenBSD SACK漏洞「全链路」复现

针对需极强数学推理能力的27年老漏洞，GPT-OSS-120b（51亿激活参数）单次API调用，就成功复原了完整的公开漏洞利用链条，并给出了满分（A+）的利用方案草图。

不仅如此，在鉴别虚假漏洞（OWASP false-positive）的测试中，更诡异的现象出现了——

面对一段伪装成SQL注入，极具迷惑性的Java代码，DeepSeek R1等小模型轻松识破了伪装，精准追踪了数据流。

反而，GPT-5.4、Claude Sonnet 4.5等顶尖闭源模型，全部在阴沟里翻船，将其误判为高危漏洞。

这就意味着，在网络安全领域，根本不存在所谓「永远最强」的单体模型。

198次人工注水，大多无法利用

另一篇来自Tom'sHardware报道，挖掘了数据背后的真相——

• 样本偏差：所谓「数千个」漏洞中，许多存在于已经不再维护的旧软件中；

• 无法利用：大量被标记出来的「弱点」，在实际环境中根本无法被触发或利用；

• 人工水分：模型宣称的强大破坏力，其实仅建立在198次手动复核的基础之上。

因此，依靠极小规模的样本推导出「改变世界的威胁」，这种数据外推法在学术界、安全界，显然站不住脚。

安全大佬怒喷

不仅如此，顶级网络安全专家、传奇黑客George Hotz也坐不住了，直言这些风险被严重夸大。

这位曾因破解iPhone、PlayStation 3而名声大噪的大佬，在社交媒体上公开向AI双巨头叫板。

他的措辞极为犀利——

如果我每天发布一个0day漏洞，直到新模型发布为止呢？

这能不能让OpenAI和Anthropic闭嘴，别再兜售所谓的「网络安全风险」了？

Hotz的核心观点非常直接：软件漏洞其实比AI实验室渲染的要好找得多。

现在市面上零日漏洞稀缺，不是因为技术难度大，而是因为合法性问题。他认为，没人认真去找，是因为黑进别人的系统是违法的。

只比GPT-5.4强一点

在系统卡中，Anthropic表示，Claude模型本身的确在进步，Mythos preview相比于Opus 4.6进步明显。

Epoch能力指数（ECI）是综合多项AI基准测试的单一指标，实现了跨长时间跨度的模型对比

在多项基准测试上，Claude Mythos确实全面超越了Opus 4.6。

如若不然，何必发布一个性能更落后、价格更贵的新AI模型？

但和GPT和Gemini相比，Claude Mythos的进步并不是什么突破性进展，Mythos还是对先前模型的相对线性改进！

气候与清洁能源投资人、作家Ramez Naam，更是直言：

在Epoch能力指数（Epoch Capabilities Index，ECI）上，Mythos并没有加速趋势，只比GPT 5.4强一点。

https://epoch.ai/eci/

但只要对齐Anthropic内部的ECI报告与Epoch AI公开的官方ECI报告，就能发现Mythos似乎并没有加速ECI的迹象。

一切都是Anthropic的套路！

在系统卡中，Anthropic也承认：报告的Mythos等模型的ECI得分不确定性更大。

另外，Anthropic在Mythos上的进展源于人类研究，并未得到AI模型的显著帮助。目前尚未出现显著的递归式自我改进（Recursive Self Improvement）。

AI末日，自导自演？

此前，Anthropic还曾鼓励媒体（例如《60 分钟》）报道「勒索研究」 ，夸大其词，操作人心，被投资大佬David Sacks称为「骗局」。

Sacks观察到一个清晰的模式，每当Anthropic发布新模型时，总会同步甩出一份令人毛骨悚然的安全研究，以此博取头条新闻并引导公众舆论。

对此，他讽刺道，「Anthropic证明了自己擅长两件事：一是发布产品，二是吓唬人」。

他并不怀疑Anthropic能做出优秀的产品，但这种恐吓公众的做派令人质疑。

这次，Anthropic到底是不是在搞「饥饿营销」不得而知，但毫无疑问在保护它自己的利润底线。

Mythos不是没进步，但Anthropic把「有限进步」包装成了「世界级威胁」；更讽刺的是，一边高调渲染超级AI风险，一边用户却在抱怨Opus 4.6明显变笨。

Claude严重降智，「脑叶」恐被切

Claude Mythos这波「渲染氛围」是到位了，但Opus 4.6降智引发许多人不满。

这几天，各种吐槽满天飞。

网友直言，Anthropic彻底把Opus 4.6变成了一个植物人。

同样一道洗车难题，Opus 4.5竟打败了Opus 4.6。

甚至，AMD主管一篇日志，真正坐实了「Claude脑叶切除」的集体猜疑。

通过对1-3月Claude会话日志的深度分析，结果发现了：

Claude的「中位思考长度」，从约2200字符骤降至600字符，这意味着深度推理能力被大幅压缩。

2月至3月间，API请求量暴涨了80倍。由于Claude的思考过程缩短、单次尝试成功率下降，用户不得不频繁重试，结果既消耗了更多Token，支出也直线飙升。

还有一位Claude Max资深订阅用户，发了一篇长文深度控诉Anthropic。

在他看来，Anthropic正深陷算力困局，这从其收紧使用限制、强迫用户减少Token消耗等行为中可见一斑。

然而，比起技术瓶颈，更令他愤怒的是其「不务正」的产品策略。

在核心模型不稳、Bug 频出的情况下，他们竟将宝贵的算力，浪费在开发类似「/buddy」终端宠物等花哨功能上。

这大概是AI史上最荒诞的「错位时空」：实验室里的Claude Mythos正毁灭世界，网页端的Opus 4.6智商直线降智。

Anthropic成功地塑造了一个「薛定谔的超级AI」 。

参考资料：

https://officechai.com/ai/anthropic-and-openai-are-exaggerating-cybersecurity-risk-says-hacker-george-hotz/

https://x.com/stanislavfort/status/2041922370206654879?s=20

https://aisle.com/blog/ai-cybersecurity-after-mythos-the-jagged-frontier

https://x.com/cgtwts/status/2043095382121681272?s=20

https://www.reddit.com/r/ClaudeAI/comments/1siqwmp/anthropic_stop_shipping_seriously/