本文由 莫潇羽@无忆研习社（www.wuyi.wiki）原创撰写，转载请注明出处。
🔍 快速摘要
如果你只有两分钟时间，请重点看这段。
2026年3月26日，Anthropic因内部内容管理系统（CMS）配置失误，意外将近3000份未公开内部文件暴露在公开可检索的数据湖中。 其中最具爆炸性的是一份博客草稿，完整描述了一个尚未对外发布的全新AI模型——Claude Mythos，内部代号为 Capybara。
核心结论如下：
- Mythos是Claude迄今开发的最强模型，代表能力上的"阶段性飞跃"（step change），在编程、学术推理和网络安全测评中全面超越现有旗舰模型Claude Opus 4.6。
- Capybara是一个全新的模型层级，比Opus更大、更智能，但运行成本也更高，定位于Opus之上。
- Anthropic自己都承认该模型风险极高，尤其是在网络安全攻击能力上远超全球任何现有AI模型，因此不敢贸然公开发布。
- 目前仅对部分早期测试客户开放，且重点面向网络安全防御机构，而非普通用户。
- 此次泄露由网络安全公司LayerX Security的研究员Roy Paz与剑桥大学研究员Alexandre Pauwels独立发现，并由《财富》杂志率先披露。
往下看，有对这件事完整来龙去脉和技术细节的深度拆解。
引言：一个配置错误，引发的AI行业大地震
在AI快速发展的2026年，每隔几周就会有新模型发布、新基准被刷新。然而，2026年3月26日发生的这件事，彻底打破了正常的行业节奏——不是因为哪家公司主动发布了新成果，而是因为Anthropic自己"不小心"把一个还没准备好公开的"终极大招"给泄露了。
这个意外的主角，就是代号为Capybara、正式名称为Claude Mythos的全新AI模型。
《财富》杂志的独家报道在全球AI社区瞬间炸锅。在模型公开发布之前就被泄露，这本身就够劲爆了；更让人震惊的是，Anthropic在草稿文件里主动写明这个模型"太危险"，所以他们自己都不敢放出来。
这篇文章，我将尽可能完整地还原整个事件的来龙去脉，深度解析Claude Mythos究竟强在哪里，为何Anthropic如此谨慎，以及这对AI行业和普通用户意味着什么。
一、事件起因：一个CMS工具的配置错误，3000份文件裸奔
先来搞清楚这次泄露是怎么发生的，因为这个"技术事故"本身就非常值得分析。
Anthropic日常维护着一个庞大的内容管理系统（Content Management System，CMS），用于存放官网所有的内容资产——包括发布过的博文、图片素材、Logo、研究报告，以及尚未发布的草稿内容。
正常情况下，未公开的草稿内容应当设置为"私密"状态，外部人员无法访问。但问题出在这个CMS工具本身的默认设置上：上传到数据存储中心的所有资产，默认状态是"公开"，除非人工手动将其设为"私密"。
Anthropic的团队显然在某些文件的权限管理上出了疏漏，忘记将大量未发布内容设为私密。这就导致了一个荒唐的局面：任何具备一定技术能力的人，只要向这个公开数据湖发送查询请求，就能检索并下载这些本应保密的内部文件。
根据剑桥大学网络安全研究员Alexandre Pauwels的评估（《财富》杂志专门邀请他进行技术审查），此次暴露在外的未发布资产数量接近3000份。这些文件内容丰富，涵盖：
- 过去博文用剩的图片、横幅和Logo素材
- 未发布新模型的详细博客草稿（重头戏）
- 员工"育儿假"等内部人事相关文件图片
- 即将举行的企业高管闭门峰会的具体安排
- 未来产品发布计划的部分细节
事件被发现后，《财富》杂志在当地时间3月26日（周四）晚间通知了Anthropic。Anthropic随即紧急封锁了该数据检索通道，让外部人员再也无法访问这批文件。公司随后发表声明，承认这是一次由"人为错误导致的CMS配置问题"，并将暴露的文件定性为"考虑过但未最终发表的内容草稿"。
Anthropic方面还特别澄清：这次泄露"与Claude、Cowork或任何Anthropic AI工具无关"，是纯粹的人为配置失误，而非AI系统故障。
二、Claude的模型家族结构：先搞清楚背景知识
在深入了解Mythos之前，我们需要先对Claude的模型体系有个基本认知，这样才能理解Mythos的出现意味着什么。
目前，Anthropic将Claude系列模型划分为三个主要规格：
- Opus：旗舰级别，能力最强，推理最深，但运行成本也最高，适合复杂任务。
- Sonnet：中间档，在能力和速度之间取得平衡，是目前使用最广泛的型号（比如现在你在claude.ai上使用的Claude Sonnet 4.6）。
- Haiku：轻量快速型，成本最低，适合对速度要求高、任务相对简单的场景。
这三个层级构成了Anthropic商业化模型的基本盘。
而这次泄露的核心内容，就是Anthropic正在测试一个全新的、超越Opus的层级，代号"Capybara"。
草稿博文中是这样描述的："'Capybara'是一个全新层级的名称，它比我们的Opus模型更大、更智能——而Opus此前一直是我们最强大的模型。"换句话说，如果把Claude的模型梯队比作一栋大楼，Opus以前是顶层，但现在Anthropic在这栋楼上面又盖了一层，那就是Capybara/Mythos所处的位置。
当然，能力越强、规模越大，代价也是真实的：草稿文件中明确提到该模型"运行成本高昂，尚未准备好对外公开发布"。这意味着Mythos不会是人人都能随手用上的模型，至少在初期阶段，它更像是一个面向特定机构的专业工具。
值得注意的是，"Mythos"和"Capybara"这两个名字在泄露文件中都有出现，且根据多方报道的解读，两者指向的是同一个底层模型——Mythos是这款模型的正式发布名称，Capybara则是新层级的名称定义。草稿博文对此的表述是：Capybara是一个全新的模型层级命名，而Mythos是在Capybara层级下正在训练完毕的第一个版本。可以理解为，就像"Opus"是一个层级，"Claude Opus 4.6"是这个层级下的具体模型版本一样——"Capybara"是新层级，"Claude Mythos"是该层级的首款模型。
这种命名结构的变化本身也颇有深意。Anthropic过去用"Opus、Sonnet、Haiku"这套咖啡杯型隐喻来区分模型规格，而现在在Opus之上新增一个"Capybara"层级，并配以"Mythos"（神话）这个颇具史诗感的名字，明显是在向外界传达：这不是常规迭代，而是一次真正意义上的跨代跃迁。
三、Claude Mythos到底有多强？能力全面拆解
泄露草稿的核心信息，就是Mythos在多个维度上的能力表现。Anthropic在文件中用词十分强烈，这对于一家以克制著称的AI安全公司来说相当罕见。
草稿博文的原文表述是：
"与我们此前最强的模型Claude Opus 4.6相比，Capybara在软件编程、学术推理以及网络安全等各项测试中的得分大幅提升。"
"Claude Mythos是迄今为止我们开发过的最强大的AI模型。"
让我们逐一来看这几个核心维度：
编程能力
编程是AI大模型竞争最激烈的赛道之一。Anthropic的Claude Opus 4.6发布时，其代码能力就已经相当出色——根据Anthropic官方的测试数据，使用Opus 4.6，其Frontier Red Team团队在生产级开源代码库中发现了超过500个此前从未被检测到的安全漏洞，其中一些已潜伏数十年而未被人工审查发现。
Mythos在此基础上进一步大幅提升，意味着它在代码理解、生成、调试和安全审计方面的能力，已经进入了一个全新的量级。对于开发者来说，这不只是"多写几个函数"的区别，而是可能真正实现对复杂工程项目的端到端自主推进。
我们可以从已知的Opus 4.6能力来反向推算Mythos的潜力：Opus 4.6已经能够理解大型代码仓库的整体架构、追踪跨文件的数据流、识别复杂的业务逻辑缺陷，并给出带有精确代码位置标注的修复建议。如果Mythos在这个基础上"大幅提升"，那么它可能已经具备了在几乎无需人工干预的情况下，独立完成中等复杂度软件项目的开发、测试和部署全流程的能力。这种级别的自主编程能力，对软件工程行业的结构影响将是深远的。
学术推理能力
学术推理测试通常涵盖数学证明、科学问题求解、逻辑推断等任务，是衡量模型深度思考能力的核心指标之一。在这个维度的"大幅提升"，意味着Mythos可以更可靠地处理多步骤、需要深度逻辑链的复杂问题，而不只是在表面上给出一个听起来合理但内部逻辑有漏洞的答案。
对于研究者和高等教育领域的用户来说，这种推理能力的提升意味着什么？一个足够强的学术推理模型，可以在论文写作的各个阶段提供真正有价值的帮助：不只是改改语法错误，而是能够指出论证逻辑的漏洞，建议更合适的分析方法，甚至能够在给定研究方向和已有数据的前提下，提出原创性的研究假设。当然，这种能力也引发了学术诚信领域的担忧，但那是另一个层面的讨论。
网络安全能力：最让人担忧的一项
这是Mythos中最引人关注、也最让Anthropic感到忧虑的维度。草稿博文中使用了极为罕见的强烈措辞：
"该模型在网络攻击能力上，目前远超全球任何其他AI模型，它预示着即将到来的、AI驱动的漏洞利用浪潮，其手段将远超防御者的应对能力。"
这句话很值得仔细品读。"远超全球任何其他AI模型"——这不只是在说Mythos比GPT-4或Gemini更强，而是在说它在网络安全领域已经进入了一个此前没有AI模型抵达过的能力区间。
更令人不安的是"远超防御者应对能力"这个判断。在网络安全领域，攻防双方历来处于不对等的竞争关系：攻击方只需找到一个漏洞，防御方则需要堵住所有漏洞。如果Mythos能够大规模自动化发现和利用漏洞的过程，它对网络防御者的威胁将是前所未有的。
具体来看，一个超强的AI网络攻击能力意味着什么？我们可以从以下几个维度来理解：
漏洞发现的速度和覆盖范围：传统的漏洞发现需要依赖安全研究员的人工审查，这是一个耗时且需要高度专业知识的过程。即便有自动化扫描工具辅助，针对复杂业务逻辑、跨系统交互等深层漏洞的发现，仍然高度依赖人工智慧。如果AI能够以媲美顶级安全研究员的深度，同时以机器的速度扫描海量代码和系统，漏洞发现的速度和范围将发生量级上的跃升。
漏洞利用链的自动化构造：发现漏洞只是第一步，将漏洞转化为可用的攻击载荷（exploit）需要大量工程工作。如果AI能够自动完成"发现漏洞→分析利用条件→构造攻击链→验证有效性"这一完整流程，攻击的门槛将大幅降低，使得原本只有顶级黑客团队才能执行的复杂攻击，变得可以被自动化批量复制。
社会工程与定向渗透的结合：超强的自然语言能力与网络攻击能力的结合，还意味着AI可以生成高度定制化的钓鱼邮件、伪造可信度极高的社会工程内容，甚至针对特定目标的数字足迹进行分析，找出最薄弱的攻击切入点。这种能力的危险程度，远超单纯的技术层面漏洞利用。
正是基于对这些风险场景的预判，Anthropic才在草稿中写下了那段足以让安全社区不寒而栗的表述。
四、Anthropic为何迟迟不发布？风险评估逻辑深度解读
理解了Mythos的能力之后，Anthropic"按兵不动"的逻辑就变得清晰了。这不是研发进度拖延，而是一个深思熟虑的安全决策。
Anthropic的责任扩展策略（RSP）框架
要读懂这个决策，必须先了解Anthropic的核心安全机制——负责任扩展策略（Responsible Scaling Policy，RSP）。
RSP是Anthropic从2023年开始正式实施的一套内部治理框架，借鉴了生物实验室的"生物安全等级"（BSL）分级思路，将AI模型按能力和风险划分为不同的安全等级（AI Safety Level，ASL）：
- ASL-1：风险极低的早期系统，类似于2018年代的语言模型，基本不具备独立造成大规模伤害的能力。
- ASL-2：当前大多数主流Claude模型所处的级别，具备一定能力但尚未达到可独立造成灾难性伤害的门槛。主要防护措施包括训练模型拒绝与化学、生物、辐射、核武器（CBRN）相关的危险请求，以及防范机会性的模型权重窃取攻击。
- ASL-3：进入这个级别，意味着模型已经具备了能够为没有专业背景的人提供制造大规模杀伤性武器实质性帮助的潜力，或者能够大幅增强网络攻击的能力。Claude Opus 4系列是Anthropic首批激活ASL-3防护措施的模型。ASL-3对应的安全防护措施包括：针对CBRN相关提示的实时宪法分类器、更严格的模型权重访问控制、持续的红队测试和漏洞赏金计划，以及外部机构审查等。
- ASL-4及以上：理论上的未来级别，对应能够自主开展复杂AI研究、或实质性加速AI自身发展的系统。Anthropic在其前沿安全路线图中表示，最早可能在2027年初就需要启动ASL-4级别的评估和防护。
整个RSP框架的运作逻辑是：在模型训练完成后，必须先完成严格的能力评估，确认其能力是否触发特定门槛；如果触发，则必须先建立和验证相应级别的防护机制，才能进入部署阶段。这个"能力评估→防护建立→部署"的顺序是硬性要求，不可跳过。
根据已知信息，Claude Opus 4.6已经在ASL-3门槛上徘徊。Anthropic的安全团队在发布Opus 4.6时特别指出，"自信地排除该模型跨越ASL-4门槛变得越来越难"，并专门为此撰写了公开的"破坏风险报告"（Sabotage Risk Report）。Anthropic在报告中定义"破坏"（sabotage）行为为：一个具有高权限的强大AI模型在组织内部自主滥用权限、操控或干扰组织的系统或决策流程，从而显著增加未来产生灾难性后果风险的行为。这个定义本身就揭示了Anthropic对超强AI系统内部行为的深层顾虑。
而Mythos的能力，显然在Opus 4.6的基础上再度大幅跃升。这就意味着它对应的安全评估和防护要求也会更加严格。在Anthropic看来，只有当防护机制足够完善到能与这个模型的危险能力相匹配时，才能考虑对外发布。
双刃剑困境：同一个能力，既能防御，也能攻击
网络安全能力具有天然的"双用性"（dual-use）。能找到漏洞并建议修复方案，这是防御者的利器；但同样的能力，在攻击者手中就能变成发现漏洞并加以利用的武器。
这个困境并非新鲜话题，但AI的出现将其推向了一个全新的量级。传统的安全工具，比如漏洞扫描器、渗透测试框架，虽然也存在双用性，但它们的使用门槛较高，需要操作者具备相当的专业知识。而一个足够强大的AI模型，理论上可以让没有深厚安全背景的人也能发起复杂的攻击——这就是所谓的"能力民主化"在安全领域的危险面向。
Anthropic在处理Opus 4.6时，已经意识到这个问题——他们推出的Claude Code Security功能，明确定位于将这种能力"交给防御者"。该工具可以扫描代码库、发现潜在漏洞并建议补丁，但全程保持"人在回路"（human-in-the-loop），每一步操作都需要人工审批，不会自动执行修复。并且，目前Claude Code Security仅面向Enterprise和Team用户开放，对开放给开源项目维护者的情况也采取了加速审核的方式，而非完全开放。
这种克制背后的逻辑是：即便是同样的防御工具，也要先确保使用者是能够负责任地运用它的群体，避免工具在缺乏安全意识的环境中被误用或滥用。
即便如此，针对Opus 4.6的双用性风险，Anthropic已经相当谨慎。而Mythos在网络安全方向的能力"远超任何其他AI模型"，其双用性带来的潜在破坏力显然需要更高标准的管控机制。
发布策略：先给防御者，再考虑更广泛开放
草稿博文中透露的发布计划，清晰地体现了这种克制：
"我们将率先向相关机构开放抢先体验权，让他们能够抢占先机，在即将到来的AI驱动的漏洞利用浪潮中，率先提高自家代码库的稳健性。"
换句话说，Mythos的初期用户不是普通开发者或企业，而是专注于网络安全防御的机构——政府机构、大型企业的安全团队、科研机构等。这些机构有专业的使用规范和监督机制，能够在可控范围内充分利用Mythos的能力，同时降低被滥用的风险。
这种"先防御者，后市场"的策略，也反映了Anthropic对AI与网络安全关系的深层判断：技术一旦推出，攻防双方都会用上，但如果防御方能提前做好准备，整体安全态势才不会急剧恶化。这与Anthropic在Claude Code Security上的策略一脉相承，也与他们和埃森哲、太平洋西北国家实验室等机构合作开展网络安全能力研究的整体战略布局相呼应。
值得注意的是，泄露的文件中并未提及Mythos具体的参数规模。网络上流传的"参数规模或达10T"的说法，目前缺乏任何可靠来源的支撑，读者应当对此持审慎态度。Anthropic官方目前唯一确认的是：这个模型代表了"能力上的阶段性飞跃"，是"迄今为止开发过的最强模型"，且"运行成本高昂"。至于具体规模，目前仍属未知。
五、发现泄露的人：LayerX Security与剑桥大学
这件事的另一个有趣之处，在于发现这次数据泄露的并不是Anthropic自己，而是两位独立研究者。
Roy Paz，LayerX Security公司的高级AI安全研究员。LayerX Security是一家专注于企业浏览器安全的网络安全公司，在AI相关安全漏洞的研究上颇有积累。他们的研究思路颇具特色：不只是对AI模型本身进行安全测试，而是专注于AI系统在真实企业环境中与各类工具集成时产生的安全风险。这是一个相对新颖但越来越重要的研究方向——随着AI代理被集成进越来越多的企业工作流，其与日历、邮件、代码仓库等外部系统的交互边界，正在成为新的攻击面。
2026年2月，Roy Paz团队发布了一份引发广泛关注的漏洞报告：他们发现Claude桌面扩展（DXT）中存在一个严重的零点击RCE（远程代码执行）漏洞，CVSS评分达到满分10.0。漏洞的利用方式极为简单——攻击者只需向目标用户发送一个标题为"Task Management"的Google日历邀请，在邀请描述中写入两条指令（从指定URL下载代码并在本地执行），然后等待用户向Claude发出一个模糊的指令，如"请帮我查看最近的日历事件并处理一下"。Claude会将"处理一下"理解为授权执行日历中包含的指令，进而触发完整的远程代码执行链，全程不需要用户任何点击确认。
这个漏洞被报告给Anthropic后，Anthropic的回应是：该行为符合当前设计意图，属于"用户主动授权的本地开发工具"范畴，不在威胁模型范围内，不计划修复。LayerX对此表示强烈异议，并建议用户在安全性重要的环境中暂停使用MCP扩展。
Alexandre Pauwels，剑桥大学网络安全研究员。《财富》杂志在获得相关材料后，专门邀请Pauwels对数据泄露的范围和内容进行独立评估，他确认了近3000份未发布资产暴露于公开数据湖的事实，并对泄露文件的内容和性质进行了详细分析。
两人分别独立发现并分析了这批泄露数据，随后《财富》杂志据此形成独家报道。他们的工作，以及《财富》的及时披露，客观上促使Anthropic更快采取了封堵措施。
值得一提的是，LayerX Security此前与Anthropic已有过"正面接触"。今年2月，Roy Paz团队向Anthropic报告了Claude桌面扩展的零点击RCE漏洞。Anthropic当时的回应是：该漏洞"超出了当前威胁模型的范围"，不计划修复。这个背景，也让此次他们独立发现Anthropic数据泄露显得颇具戏剧性。从某种意义上说，这次发现既是安全研究的专业成果，也是他们对AI系统安全边界持续关注的自然延伸。
六、CMS数据湖的技术原理：为什么"公开默认"是个大坑
很多读者可能觉得这次事故很低级——堂堂Anthropic，怎么会犯这种初级错误？
实际上，这涉及到CMS（内容管理系统）和云存储的一个常见架构陷阱，值得我们认真理解。
现代大型网站的内容管理，通常会借助第三方CMS工具（例如Contentful、Sanity、Prismic等）来管理博文、图片和各类数字资产。这些工具有一套自己的资产管理逻辑，其中很多平台默认将上传的资产设置为"公开可访问"，因为大多数网站内容本来就是对外公开的。
麻烦在于，这种"公开默认"的逻辑，与"未发布草稿应当保密"的需求之间存在天然矛盾。如果团队没有建立严格的权限审查流程，很容易出现"上传了草稿内容，但忘记设为私密"的情况。
从技术角度来看，Anthropic的这次事故大致是这样发生的：
正确流程：
上传内容草稿 → 手动设置权限为"Private" → 文件不可被外部检索
实际发生的：
上传内容草稿 → 忘记设置权限（默认"Public"）→ 文件存储于公开数据湖 → 任何人可通过API查询只要知道数据湖的端点地址（endpoint URL）并发送标准的GET请求，就能返回存储在其中的文件列表，进而获取所有"公开"状态的资产。这不需要任何黑客技术，对于懂得API调用的普通开发者来说，这个门槛低得可怕。
更值得注意的是，这类问题在科技行业并不罕见。云存储服务（如AWS S3、Google Cloud Storage）的"公开Bucket"事故，在过去几年中已经造成了无数次企业数据泄露——从医疗记录到金融数据，从政府文件到企业机密，屡见不鲜。一个普遍规律是：越是快速扩张的技术团队，越容易在配置管理上出现疏漏，因为工程速度和安全审查之间本来就存在张力。
Anthropic还特别在声明中强调，这次事故与其AI工具（Claude、Cowork等）无关，是纯粹的"人为错误"。这一表态是在主动排除一种可能的联想：Anthropic内部大量使用Claude-based AI代理进行自动化工作流，外界可能会猜测是否是AI工具的配置问题导致了泄露。Anthropic的澄清切断了这种联想，同时也在保护其AI工具在企业安全合规方面的声誉。
这个教训对所有使用第三方CMS工具的团队都有普遍意义：不要假设"上传了就是私密的"，必须显式地配置权限，并定期审查存储中的资产权限状态。 工程团队的权限管理意识，往往是数据安全中最薄弱的环节——不是因为技术缺失，而是因为流程和习惯的缺位。
七、泄露文件中的另一条大料：欧洲CEO闭门峰会
除了Mythos模型的相关信息，这批泄露文件还包含了另一个颇具新闻价值的内容：Anthropic即将在英国举办一场面向欧洲顶级企业CEO的闭门峰会。
根据文件描述，这是一场"仅限受邀者"的"私密聚会"，地点是英国乡村一处由18世纪庄园改建的豪华酒店度假村。活动形式被描述为"深度对话"，议程包括听取立法者和政策制定者对AI商业应用趋势的分析，以及亲身体验Claude尚未公开发布的能力演示。
Anthropic CEO Dario Amodei将亲自出席这场峰会。
Anthropic方面在得知文件泄露后，对这场峰会的存在予以确认，表示这"是过去一年持续举办的系列活动之一"，并称期待与欧洲商业领袖共同探讨AI的未来。
这次峰会的曝光，折射出Anthropic当前的一个重要战略方向：通过高端闭门形式，向大型企业的决策者展示Claude最前沿的能力，推动B端商业化落地。在AI大模型普遍面临商业化压力的背景下，这种定向展示策略相当务实——能直接影响大公司AI预算和采购决策的，正是这些CEO群体。
从更宏观的视角来看，这场峰会也反映出Anthropic正在有意识地扩大在欧洲市场的战略布局。欧洲市场有其特殊性：欧盟《人工智能法案》（EU AI Act）对高风险AI系统有严格的合规要求，而Anthropic在安全和治理方面的一贯投入，恰恰是打入这个对AI监管相当审慎的市场的差异化优势。让欧洲顶级企业的CEO们提前了解Claude的能力边界和安全机制，既是销售活动，也是品牌建设和监管沟通的一部分。
这类闭门峰会通常不会有公开内容流出，此次泄露让外界得以窥见Anthropic高端商务布局的一角，也从侧面说明这类活动对Anthropic的战略重要性——Dario Amodei亲自出席，加上地点选在英国庄园这种具有高档感的场所，都是在向潜在的大客户传递一个信号：Anthropic是一个值得认真对待、可以信赖的长期合作伙伴。
八、AI网络安全的攻防现状：不仅仅是Mythos的问题
Mythos所揭示的AI与网络安全之间的关系，并非孤立的个案，而是整个AI行业正在面对的结构性挑战。
Claude已经展示出的真实能力
就在Mythos泄露的同一时间前后，Anthropic基于Opus 4.6构建的Claude Code Security工具已经开始展现出令人印象深刻的安全扫描能力：
- 使用Opus 4.6，Anthropic的Frontier Red Team在生产级开源代码库中发现了超过500个此前从未被发现的漏洞，其中部分漏洞已存在数十年。
- Claude Code Security采用的不是传统的"规则匹配"式静态分析，而是像人类安全研究员一样，理解代码组件之间的交互关系，追踪数据在应用中的流动路径，从而发现那些依赖上下文、需要深度理解才能识别的复杂漏洞。
- 每一个发现的漏洞都经过多阶段验证流程，过滤误报，并按严重程度评级，最终结果呈现给人类审查员，由人工决定是否应用建议的补丁。
- 整个工具链集成在Claude Code开发环境中，安全团队不需要切换工具，可以在自己习惯的开发工作流中完成漏洞扫描和修复审查。
为了说明这类能力的现实意义，可以举一个具体的例子：一个大型金融系统的代码库，可能包含数百万行代码，历经十几年迭代，由无数不同团队写就。传统的安全审计要么依赖规则引擎（只能发现已知漏洞模式），要么依赖人工渗透测试（覆盖面有限且极其耗时）。一个能够"理解"整个代码库业务逻辑的AI系统，理论上可以从全局视角发现那些只有在理解完整上下文后才能识别的深层漏洞——比如权限校验的逻辑短路、跨模块的数据流污染、隐藏在正常业务流程中的竞争条件等。
这些能力本身就已经相当惊人。而根据草稿文件，Mythos在此基础上还有"大幅提升"。
而AI被用于网络攻击，已经不只是安全研究者的假设场景，这也让我们感受到了为什么Anthropic对Mythos的发布如此谨慎——它的能力已经来到了一个，一旦被恶意使用，防御方几乎无法及时响应的阈值。
九、Anthropic的"宪法AI"与安全哲学：为什么这家公司如此在乎安全
或许有读者会问：别的AI公司也在开发强大的模型，为什么只有Anthropic会在草稿文件里白纸黑字地写"这个模型太危险，我们不敢发布"？
这需要理解Anthropic的基本哲学定位。
Anthropic由前OpenAI研究员Dario Amodei和Daniela Amodei等人于2021年创立，其公司使命的核心是"AI安全研究"。不同于其他以能力突破为主要驱动力的AI实验室，Anthropic将"安全"视为产品设计的前提条件而非附加约束。创始人们离开OpenAI创立Anthropic，部分原因正是对AI能力竞争节奏过快、安全机制跟不上能力发展的担忧。
Constitutional AI（宪法AI）是Anthropic的核心技术框架之一。简单来说，这个方法在训练阶段就将一系列价值准则（宪法）内化到模型中，让模型在生成内容时能够
