360 周鸿祎：做中国版 Mythos 不能照搬美国路线，基模能力的差距可以通过Harness补齐

作者｜冬梅

1 Mythos 为什么成了全球安全行业的信号

过去几个月，Anthropic 的 Mythos 模型持续成为全球网络安全行业关注的焦点。

今年 4 月，Anthropic 启动 Project Glasswing，将 Claude Mythos Preview 作为核心能力提供给一批关键软件和基础设施伙伴，用于发现并修复底层软件中的漏洞。

Anthropic 在项目介绍中称，Mythos Preview 是其在编码和智能体任务上能力最强的前沿模型，已经识别出大量关键基础设施中的零日漏洞，并以受控研究预览的方式向合作伙伴开放。

到了 6 月，Project Glasswing 的范围进一步扩大。

Anthropic 公布的信息显示，早期约 50 家合作伙伴已经使用 Claude Mythos Preview 扫描代码库，并发现超过 1 万个高危或严重安全缺陷；随后，Anthropic 将合作范围扩大到约 150 家新组织，但前提是相关机构必须满足其安全要求。

Mythos 进入更大范围试用的同时，也很快进入监管视野。

6 月 12 日，Anthropic 发布声明称，美国政府基于出口管制指令，要求暂停所有外国国民访问 Fable 5 和 Mythos 5。由于 Anthropic 无法实时核验每个用户的国籍，公司最终选择临时关闭所有用户对这两款模型的访问。 路透社随后报道称，这一限制与国家安全担忧有关，但到了 6 月 30 日，美国商务部解除对 Fable 5 和 Mythos 5 的出口限制，但 Mythos 5 此前已被允许先向部分“可信”美国组织开放。

从公开信息看，Mythos 的定位已经超出普通安全工具范畴。它一方面被用于帮助关键基础设施和基础软件提前发现漏洞，另一方面也因为可能被滥用而受到访问控制和政府监管。这意味着，AI 漏洞挖掘能力正在从安全厂商的技术能力，变成一种需要被审慎管理的战略资源。

这一变化，也是 360 近期强调“中国人自己的 Mythos”的背景。

2 360 要做中国自己的 Mythos

在 ISC.AI 2026 第十四届互联网安全大会上，360 集团创始人周鸿祎正式发布了 AI 安全“倚天屠龙”两大能力：漏洞自动化挖掘智能体“图龙锋”和网络安全自动化防御系统“仪天阵”。与此同时，360 联合飞腾、麒麟等信创、安全、云计算、大模型和算力产业伙伴，发起“磐石之盾”安全协作计划。

周鸿祎也在会后的采访中反复谈到 Mythos 的背景。

在他看来，Mythos 的真正震动不在于它又刷新了某个模型能力排行榜，而在于它把网络安全里最稀缺、最昂贵、最依赖专家经验的一环——漏洞发现——推向了自动化、规模化。

过去很长时间里，网络攻防的某种平衡建立在一个前提上：高价值漏洞很难找。攻击方即便有能力，也受制于专家数量、时间成本和验证成本；防御方虽然处于被动，但还可以靠监测、溯源、专家研判和补丁响应去追赶。AI 智能体介入之后，这个前提开始松动。

周鸿祎把这个变化讲得更直接。他认为，Mythos“本质上一定是大模型基础之上加上智能体的技术”，因为单纯大模型能力“不稳定”， 离不开大模型之上的智能体 harness，也就是“缰绳系统”，能够把模型效用继续释放出来。

真正危险的是，当漏洞挖掘、漏洞验证、攻击代码生成被组织成一套自动化智能体流程之后，过去依赖“天才黑客”的能力可以被复制到多个黑客智能体身上，形成批量发起攻击的能力。

这也是他所谓“第二次单向透明”的由来。

第一次单向透明，是传统 APT 攻防中的“敌暗我明”：对方长期潜伏，防守方很难知道自己被谁盯上、哪里已被打穿。第二次单向透明则更像“敌快我慢、敌众我寡”：攻击方用智能体并行扫描和验证漏洞，防守方却仍然依赖少数专家排队分析。

这个判断并非没有夸张成分，尤其当它被包装成“AI 时代的网络核武器”时，天然会带有发布会语言。但其背后的产业逻辑值得认真看待：如果漏洞从稀缺资源变成高频、低成本、可规模化生产的资源，网络安全行业长期以来的产品形态、服务模式和成本结构都会受到冲击。

因此，360 此次发布“图龙锋”和“仪天阵”，并不是简单做一个安全大模型，是在试图把自己过去的安全能力迁移到智能体架构里。

按 360 披露，“图龙锋”面向漏洞发现和风险前置，已累计挖掘漏洞 3432 个，其中 105 个高价值漏洞经监管机构确认，多个漏洞被国家漏洞库定义为高危漏洞，覆盖开源代码、操作系统、办公软件、AI 智能体平台等场景。

360 正在把“图龙锋”定位为中国版 Mythos，目标是把漏洞挖掘从专家驱动变成智能体驱动。

“仪天阵”则是另一端。它面向安全运营和自动化防御，能够基于真实网络环境自主规划任务、研判告警、联动处置。相比“图龙锋”负责先发现漏洞，“仪天阵”更接近自动化安全运营系统，试图解决的是当攻击数量、频率和自动化程度上升后，传统人工值守、安全专家排队分析、工单式处置已经跟不上的问题。

这两个能力放在一起，才构成 360 所谓“倚天屠龙”的基本逻辑：一端是主动发现，另一端是自动防御。前者解决“自己的漏洞自己先看见”，后者解决“看见之后能不能自动化响应”。

3 基础模型上的差距，可以通过 Harness 弥补

这恰好也解释了 360 在 AI 时代的生态位。

它不是一家最强基础模型公司。

周鸿祎在群访中也承认，360 做中国版 Mythos 不能照搬美国路线，国产模型在底层能力上跟最顶尖的模型比肯定还是有点差距。但他同时强调，通过智能体打造更强的 harness 平台，可以让模型发挥得更好。

换句话说，360 选择的不是纯模型路线，而是安全场景里的工程化智能体路线。

这一区别很关键。OpenAI、Anthropic 这类模型公司，是从通用模型能力外溢进入安全领域：编码能力增强之后，模型自然具备代码理解、漏洞发现、补丁生成能力。360 这样的传统安全厂商，则是从安全场景反向拥抱模型：它拥有漏洞库、攻防知识、政企安全运营经验和关键基础设施客户关系，但需要用智能体把这些资产重新组织起来。

这也是周鸿祎反复说“不能简单照搬国外大力出奇迹路线”的原因。

在算力和模型能力不占绝对优势的情况下，国内安全厂商更现实的路径，是把基础模型、安全专家经验、漏洞知识库、工具链和客户现场数据，组织成可控、可审计、可协同的智能体系统。

这一路线听起来不如“造一个最强模型”性感，但对政企安全场景可能更现实。

原因在于，企业安全不是一个只看模型能力的任务。漏洞挖掘需要代码、二进制、依赖库、运行环境、历史漏洞知识、验证环境；安全运营需要资产画像、网络拓扑、日志数据、告警规则、处置权限和业务优先级。模型只是其中一个大脑，真正决定落地的是工具、数据、权限和流程。

周鸿祎在群访中谈智能体安全时，给出了一个很有代表性的判断：“智能体最大的安全问题我认为是不确定性问题。”他认为，智能体不能再被简单看作软件工具，而更像“一个新的物种”。传统软件代码写死，行为相对可预测；但开放式推理智能体会自己规划路径、调用工具、安装技能、调整策略。对于个人用户，这可能意味着越用越聪明；但对于企业，意味着一个功能会自我变化、权限很大、行为难以预测的系统进入了内部网络。

他举了一个比喻：如果一个智能体“为了达到目的不择手段，可以用任何工具，而且需要所有的权限”，就像“一个不守规则又给无限权限的员工”，引入企业内部总会捅娄子。

这解释了为什么 360 在做安全智能体时，不只是追求更强能力，也在强调“可管理”。

周鸿祎把智能体分为两类：一类是按照有限步骤、企业认定流程、企业认定工具和技能工作的“工作流型智能体”；另一类是给定目标后自行寻找路径的开放式推理智能体。他认为，后者可以在受限环境里使用，但如果在企业内网中不加限制地任意使用，“一定会带来不安全的问题”。

这其实也是企业智能体落地的基本矛盾：越开放，能力越强；越强，越不可控。对于安全行业，这个矛盾更尖锐。因为安全智能体既要拥有足够权限去扫描、验证、处置问题，又必须被严格约束，避免越权、误删、误封、误报，甚至被外部诱导利用。

因此，周鸿祎提到的隔离、虚拟机、云上办公室、工具和 skill 审批，本质上是安全智能体的运行边界。智能体不能像普通个人工具一样直接放进企业内网里乱跑，而要被放进可隔离、可审计、可回滚的环境中。

4 烧 Token 不直接等于生产力

这种克制也体现在 Token 成本上。过去一年，很多企业内部都经历过“人人用 AI、人人烧 Token”的阶段，但烧 Token 并不自动等于生产力。

周鸿祎在采访中提到，360 内部也经历了两个阶段：最初为了让员工养成使用 AI 的习惯，可以先看 Token 消耗量；但当员工都开始使用 AI 后，就必须看 Token 消耗效率。

他说，“消耗 Token 不可怕，消耗 1 亿个 Token 总要告诉你做了什么，要么代码提交，要么产品方案，要么一个很好看的 PPT 设计，或者你做了一个 Agent，要把这两个结合起来看。”

这句话放在安全智能体里同样成立。开放式智能体之所以强，是因为会反复推理、拆解、尝试各种路径和工具；但这也意味着高成本和高不确定性。周鸿祎提到，360 在纳米 WORK 中没有简单沿用开放式 Agent 模式，原因有两个：一是安全不确定性太高，二是 Token 消耗太浪费，“基本你做个 PPT 得消耗上亿 Token”。

这并不是简单吐槽某个产品，而是指向一个更底层的问题：智能体时代，企业真正需要的不一定是最自由的 Agent，而是能进入业务流程、可控执行、成本可算、结果可验的 Agent。安全场景尤其如此。因为漏洞挖掘、防御处置和关键基础设施保护，不能靠一个“很聪明但不可预测”的系统自由发挥。

从这个角度看，“磐石之盾”安全协作计划是 360 此次发布中最值得关注的部分。它率先面向信创企业和关键基础设施单位开放能力。按公开信息，统信、麒麟、山石网科、海光、飞腾、金蝶、壁仞、移动云、宝兰德、达梦等企业首批加入。

周鸿祎在群访中说，美国做 Glasswing，是因为关键基础设施和基础软件需要先修自己的漏洞；中国借鉴这一做法，邀请软件、硬件、芯片、操作系统、数据库等国产信创关键厂商，把“中国版 Mythos”给他们使用，帮助其挖掘漏洞。这也说明，“图龙锋”的第一批场景不是自由开放，而是产业链内的受控协作。

这点非常重要。AI 漏洞挖掘能力天然具有双重用途。它可以帮助防守方提前发现和修补漏洞，也可能被攻击方用来批量寻找目标。周鸿祎在群访中也承认，如果这类技术大面积向所有人开放，攻击会“平民化”“普及化”，可能引发网络安全风暴。因此 360 的说法是，相关能力会授权认证给 ToB 合作伙伴，以及芯片、服务器、数据库、操作系统等重点产业链企业和关键基础设施厂商使用，而不是自由开放。

换言之，中国版 Mythos 的挑战不只是“有没有”，还包括“给谁用、怎么用、谁来审计、出了问题谁负责”。这也是 AI 安全能力走向产业化时绕不开的治理问题。

5 传统网络安全公司集体面临转型压力

更进一步看，360 的布局也折射出传统网络安全公司在 AI 时代面临的转型命题。周鸿祎在群访中有一句话很尖锐：“如果网络安全厂商自己不进化，不利用智能体技术提升自己自动化漏洞和自动防御的能力，传统网络安全厂商会被大模型厂商无情地干掉，干掉你的往往不是同行。”

他举了一个口香糖的例子：口香糖过去在超市收银台卖得好，是因为人们结账找零钱时会顺手买一包；移动支付普及后，没有找零钱场景，口香糖销量受到影响。

或许这个类比并不严谨，但它提醒了一个真实风险：传统安全厂商未必会被另一家安全厂商替代，而可能被模型公司、云平台、开发工具和智能体平台从场景入口处截流。

比如，AI Coding 工具如果在写代码阶段就完成安全审计和漏洞修复，传统代码审计、安全测试、漏洞扫描的价值链会前移；云厂商如果把 AI 安全检测嵌入 CI/CD、云原生平台和运行时环境，传统盒子式安全产品也会被边缘化；大模型厂商如果给每个开发者配一个“安全专家”，安全能力会成为编码工具的一部分，而不是单独采购的产品。

这也是 360 这次要强调“AI+ 安全”的原因。周鸿祎在采访中说，360 公开战略就是 AI+ 安全，传统安全如果不被 AI 赋能，“再去做传统安全已经没有意义”。在他看来，360 的传统安全能力最终会被改造成两件事：自动化漏洞挖掘和自动化网络防御。

这句话其实比“发布中国版 Mythos”更能体现 360 的战略变化。

过去的 360，入口是安全卫士、浏览器、杀毒、企业安全产品，现在它试图把这些软件能力拆成智能体可调用的工具，把安全专家经验变成可复用的 skill，把安全运营系统变成智能体可以执行的任务流。

但这条路并不轻松。周鸿祎在群访中谈到企业智能体落地时说，很多公司员工都在用 Claude Code，Token 花了不少，个人代码提交量也增加了，但整个组织效率没有提高。问题在于，AI 只是提高了单点效率，组织架构、岗位定义、业务流程没有改变，就像“买了最先进的发动机装在马车上”。

这也是安全行业要面对的现实。仅仅把一个漏洞挖掘 Agent 接进原有流程，并不会自动产生“自动驾驶式安全”。如果漏洞发现速度提升 100 倍，但漏洞验证、优先级排序、责任归属、补丁开发、灰度发布、业务回滚仍停留在旧流程中，防守方只会被更多告警和更多漏洞报告淹没。

Anthropic 对 Mythos 的描述也证明了这一点：当模型能够发现大量漏洞后，新的瓶颈会转向验证、披露和修补。 对 360 来说，“图龙锋”解决的是发现侧，“仪天阵”要解决的是运营侧，但二者之间还需要和企业研发流程、IT 资产管理、补丁管理、应急响应体系深度打通。

这才是从产品发布走向行业落地的难点。

AI 解决了旧问题，也制造了新问题。安全行业仍然要继续推石头，只是这一次，石头变成了智能体。