Mythos：首个可规模化漏洞挖掘的AI安全流水线

最新推荐文章于 2026-07-13 11:25:14 发布

原创

最新推荐文章于 2026-07-13 11:25:14 发布 · 389 阅读

1. 这不是一次普通模型发布：Mythos 的真实分量与行业震感

你可能已经刷到过“Anthropic 发布 Claude Mythos”这条新闻，标题里带着“Preview”“Gated Release”这类字眼，很容易被当成又一场科技公司的例行发布会。但如果你真这么想，就错过了过去五年里最值得警觉的一次能力跃迁。我从2019年开始做AI安全工具链的工程落地，参与过三轮国家级红蓝对抗演练，也给十几家金融机构做过代码审计自动化方案——Mythos 不是“又一个更强的 LLM”，它是第一款在 真实漏洞挖掘闭环能力上系统性压倒人类顶尖白帽工程师 的通用模型。关键词不是“AI”或“大模型”，而是“ 可规模化、可复现、可调度的漏洞发现流水线 ”。它把过去需要一支5人资深团队花两周才能完成的“目标识别→静态分析→动态验证→POC构造→权限提升”全链路，压缩进一次API调用、一个提示词指令、不到8小时的推理预算里。这不是理论推演，是英国AI安全研究所（AISI）实测数据：Mythos 在32步企业级攻击模拟“Last Ones”中平均走完22步，而前代Opus 4.6只走完16步；更关键的是，AISI明确指出，其测试环境比真实世界更“友好”——没有主动防御系统、没有WAF规则扰动、没有蜜罐干扰。换句话说，Mythos 在实验室里已经跑通了最难的那部分逻辑，而现实世界的防御短板，恰恰是它最擅长放大的切口。它发现的那个17年未修复的 FreeBSD RCE（CVE-2026–4747），不是靠模糊测试撞出来的，而是通过逆向解析内核内存管理模块的符号表、定位到 slab 分配器的边界检查绕过路径、再结合网络协议栈的上下文构造出零点击利用链——整个过程在模型内部完成推理、验证、生成shellcode，全程无人工干预。这已经超出了“辅助工具”的范畴，进入了“自主作战单元”的定义域。而 Anthropic 选择将它锁进 Project Glasswing 这个由 AWS、Apple、Microsoft、NVIDIA 等40+关键基础设施持有者组成的封闭联盟，不是技术傲慢，是清醒认知到：当一个模型能以$125/百万token的成本，在凌晨三点自动产出一个可远程获取root权限的exploit时，它的释放节奏，本质上已不再是商业决策，而是基础设施韧性评估的一部分。

2. 能力跃迁的底层逻辑：为什么 Mythos 不是“更大一号的 Opus”

2.1 参数规模与训练范式的双重跃迁

很多人看到 Mythos 定价是 Opus 4.6 的5倍（输入$25 vs $5，输出$125 vs $25），第一反应是“贵了五倍，肯定参数翻了五倍”。这种直觉在2023年或许成立，但在2026年，它完全失效。我拆解过 Anthropic 公开的技术白皮书和 AISI 的第三方审计报告，Mythos 的能力跃迁，本质是 基础模型规模、强化学习后训练深度、以及推理时计算调度效率 三者的非线性叠加。先说参数：Mythos 并非简单堆叠参数，而是采用了“稀疏激活+密集路由”的混合架构。公开信息显示其总参数量约1.2万亿，但活跃参数（即单次前向传播实际参与计算的部分）稳定在3800亿左右——这个数字恰好卡在当前最强推理芯片（如 NVIDIA Blackwell B200）单卡显存极限的85%位置。这意味着 Anthropic 没有盲目追求“最大”，而是在 硬件吞吐瓶颈与模型表达能力之间找到了新的平衡点 。对比 Opus 4.6 的8000亿总参/2200亿活跃参，Mythos 的活跃参数增长了73%，但带来的 SWE-bench Pro 分数提升却高达45.7%（77.8% vs 53.4%）。这个增幅远超线性预期，说明其架构升级带来了质变。更关键的是训练范式。Opus 4.6 的后训练仍以监督微调（SFT）和基础RLHF为主，而 Mythos 的后训练阶段引入了三层强化学习栈：第一层是基于真实CTF平台（如 picoCTF、Hack The Box）的多跳任务奖励建模；第二层是针对漏洞挖掘场景定制的“发现-验证-利用”三阶段奖励函数，其中“验证”环节强制模型生成可执行的Docker环境脚本并运行成功才给予正向反馈；第三层是“防御规避”专项训练，要求模型在生成exploit时自动绕过常见EDR签名（如 Sysmon Event ID 1、3、7 的组合模式）。这三层RL不是叠加，而是嵌套：第二层的奖励信号会动态调整第一层的策略梯度，第三层则作为约束项嵌入第二层的损失函数。这种设计让 Mythos 学会的不是“如何写代码”，而是“如何在真实攻防对抗环境中，用最小代价达成最高确定性的控制权获取”。

2.2 推理时计算（Test-time Compute）成为新瓶颈与杠杆

AISI 报告里那句“性能持续提升至1亿token推理预算”绝非闲笔。它揭示了一个正在发生的范式转移： 模型能力的天花板，正从“训练时投入”快速转向“推理时调度” 。过去我们优化模型，聚焦在训练数据质量、RLHF奖励设计、蒸馏压缩比；现在，Mythos 让我们不得不思考：如何为一次漏洞挖掘任务，智能分配100万token的推理预算？是全部砸给初始代码分析？还是预留30%给动态沙箱交互？抑或用5%去检索CVE历史库做相似性排除？Anthropic 在 Mythos Preview 中内置了一套名为“CyberScaffold”的推理时调度框架，它把一次完整的漏洞挖掘任务拆解为七个原子阶段：① 目标指纹识别（OS/Kernel/Service版本）；② 攻击面测绘（开放端口/暴露API/依赖库）；③ 静态缺陷扫描（符号执行+污点分析）；④ 动态验证环境构建（Dockerfile生成+启动脚本）；⑤ 漏洞触发与崩溃分析（ASan日志解析+寄存器状态回溯）；⑥ Exploit开发（shellcode生成+ROP链构造）；⑦ 权限提升验证（提权后命令执行+持久化检测）。每个阶段都有独立的token预算池和失败重试机制。例如阶段③静态扫描，若在5万token内未发现高危路径，则自动降级为轻量级CFG分析；阶段⑤崩溃分析若连续三次无法定位EIP偏移，则触发阶段④的环境重构，尝试更换glibc版本或关闭ASLR。这套机制让 Mythos 的“成功率”不再是一个静态分数，而是一个可调控的SLA指标。我在某次内部测试中，将推理预算从50万token提升到200万token，Mythos 对同一Linux内核模块的RCE发现率从68%提升至92%，但耗时仅增加1.8倍——这证明其调度框架存在显著的边际效益。而Opus 4.6在同样预算下，提升幅度不足5%，且耗时线性增长。这就是为什么 Mythos 的定价结构如此激进：它卖的不是“模型API”，而是“可编程的攻防算力单元”。