Anthropic把最强AI锁进保险箱：3个月前它就能自己挖系统漏洞了

Anthropic上个月放了个大招，然后立刻把钥匙吞了——Claude Mythos Preview，他们迄今最强的模型，普通人摸不到。

不是产能不够，是太能打。这家公司明说了：这玩意儿能自己找零日漏洞（zero-day，未公开的安全缺陷），还能利用它。放出来？等于给黑产发武器。

「防御性网络安全」是个什么挡箭牌

Anthropic的解释很克制：只给「合作伙伴」，只用于「防御性网络安全」。但系统卡里的细节更直白——Mythos在测试环境中自主发现了主流操作系统和浏览器的漏洞，全程无人指挥。

这不像以前的AI需要人喂payload（攻击载荷）。它自己读代码、找逻辑缺陷、构造利用链。用他们内部的话说，这是「前所未有的能力跃迁」，比Claude Opus 4.6强出一截。

双用途（dual-use）的困境在这里变得具体：同一套能力，白帽子用来修漏洞，黑帽子用来搞破坏。Anthropic选择了最保守的路线——干脆不卖。

能力越强，锁越紧

这和张小龙说的「用完即走」完全相反。Mythos的问题是能力太强，以至于产品化本身成了风险。别的公司拼的是谁能把模型塞到更多场景，Anthropic在琢磨怎么把最强的那个藏起来。

系统卡里有个细节值得玩味：他们测试了模型在「无监督」状态下的表现。结果发现，给它一个模糊的指令比如「分析这个系统」，它能自己推导出攻击路径。这不是工具，是半自主的渗透测试员。

所以限制访问不是营销噱头。 Anthropic的合作伙伴名单没公开，但能猜到大概轮廓——政府背景的安全团队、关键基础设施的运营方、可能还有金融和电信的核心部门。普通人？连API排队资格都没有。

行业 precedent：能力即责任

这开了一个奇怪的先例。AI公司通常把「最强模型」当招牌，OpenAI的GPT-4、Google的Gemini Ultra，都是能公开用的。 Anthropic反着来：最强的那个，我们不敢放。

他们的逻辑是，模型能力曲线和风险控制曲线已经分叉。过去是「先发布再补丁」，现在是「先评估再决定发不发」。Mythos成了第一只被能力本身困在实验室的怪兽。

但这套说辞也有缝隙。什么叫「防御性」？谁来定义？如果某个合作伙伴拿到模型后，「防御性」地分析了竞争对手的系统，这算谁的？ Anthropic的系统卡没回答这个。

更实际的问题是：锁得住吗？模型权重一旦流出，复制成本趋近于零。历史上没有哪项数字技术能被真正关进笼子，从Stuxnet到各种开源渗透工具，先例足够多。

Anthropic的赌注是，延迟发布能换取对齐（alignment）研究的时间。他们在系统卡里坦承，Mythos的「自主性」带来了新的对齐挑战——不是问「它会不会说谎」，是问「它会不会在我们没注意的时候做事」。

这有点像核不扩散协议的科技版。区别是，核武器需要浓缩铀和离心机，AI模型只需要一个下载链接。

所以最后的问题留给读者：如果最强的AI必须被锁起来，那「最强」的定义权在谁手里？ Anthropic说Mythos太危险，那下一个做出类似模型的公司，会同意这个判断吗？