Claude、全てのAIを過去にするガチでヤバいモデル「Mythos（みとす）」を公開する

https://x.com/kimmonismus/status/2041592321192718642?s=46&t=KLZtU_jROmy0nx7kpQHgNA

セキュリティ訓練ゼロのAnthropicエンジニアが一晩でリモートコード実行バグを探すよう依頼したら、朝起きたら完全動作するエクスプロイトが完成していました。発見された最も古いバグ：OpenBSDに潜む27年前の脆弱性——このOSは文字通りセキュリティで有名です。

彼らはこれを一般公開しません。代わりに、AWS、Apple、Google、Microsoft、NVIDIA、CrowdStrikeらとProject Glasswingを結成し、防衛目的で活用するために1億ドルを約束しました。

「今後数ヶ月から数年にわたり、言語モデル（私たちが訓練したものも他者が訓練したものも）がすべての軸で改善を続けると予想されます。脆弱性研究やエクスプロイト開発を含む。」

ベンチマークは驚異的です：

-SWE-bench Verified: 93.9%（Opus 4.6比: 80.8%）
-SWE-bench Pro: 77.8%（53.4%比）
-USAMO数学オリンピアード: 97.6%（42.3%比——誤字ではありません）
-Firefoxエクスプロイト執筆: 181回の成功 vs Opus 4.6の2回
-Cybench CTFチャレンジ: 100%解決率
-CyberGym: 83.1% vs 66.6%
-Humanity’s Last Exam: 64.7% vs 53.1%