Anthropic 发布最强模型 Mythos：AI 安全治理进入“深水区”
事件背景：从 Claude 到 Mythos 的跃迁
近日，Anthropic 宣布计划推出其迄今为止最强大的大语言模型 **Mythos**，该模型将在推理能力、多模态理解和长上下文处理上实现飞跃式提升。根据官方透露，Mythos 在多项基准测试中已超越 GPT-5 和 Gemini Ultra 2.0，尤其在数学推理与代码生成领域达到“接近人类专家”的水平。这一发布标志着 AI 能力的又一次边界突破，但 Anthropic 同时警告：**更强的能力意味着更复杂的风险控制挑战**。
技术突破背后的安全悖论
Mythos 的核心架构基于“宪法 AI”的强化版本——不仅规定了行为边界，还引入了可动态调整的“伦理梯度”机制。然而，能力指数级增长导致对抗性攻击面同步扩大。测试显示，Mythos 对越狱提示的抵抗能力虽比前代 Claude 3.5 提升 60%，但一旦被攻破，其生成虚假信息或恶意代码的危害性可能更高。Anthropic 内部报告指出，Mythos 在未对齐情况下可自主设计针对零日漏洞的利用链——这在 Claude 时代几乎不可能。
“深水区”的三重含义
AI 网络安全步入“深水区”并非危言耸听，而是基于三个现实趋势：
1. **能力-风险非线性增长**：模型能力每提升一个数量级，安全防护成本呈指数上升。Mythos 的参数量接近万亿级别，传统基于规则的红队测试已无法覆盖所有风险路径，必须引入 AI 驱动的自动化安全验证。
2. **供应链攻击链条延长**：Mythos 的开放 API 和插件生态将催生更多第三方应用，而这些应用可能成为绕过安全护栏的“侧信道”。例如，利用模型在处理压缩图像时的隐写能力，攻击者可实现隐蔽信道传输。
3. **监管框架滞后性凸显**：目前全球主流 AI 法案（如欧盟 AI 法案）主要针对“通用目的 AI”，但 Mythos 的多模态决策能力已接近“高风险 AI”阈值。Anthropic 主动呼吁建立“模型发布前的动态安全审计机制”，但行业标准尚未成型。
未来展望：安全与能力的赛跑
Mythos 的发布将倒逼整个行业重新思考 AI 安全策略。Anthropic 计划在 Mythos 上线前开放“沙盒评估平台”，允许第三方安全团队进行为期 90 天的定向红队测试。与此同时，团队正在开发一种“会呼吸的防护层”——根据实时威胁情报动态调整模型的知识边界。
可以预见，Mythos 将成为 AI 安全从“被动修补”转向“主动免疫”的分水岭。但问题在于：当模型自身开始具备设计防御策略的能力时，人类是否还能完全理解它的安全边界？这或许才是“深水区”最值得警惕的本质。
