2026年7月1日，Anthropic 正式宣布，美国商务部已解除对 Claude Fable 5 和 Claude Mythos 5 的出口管制，两款模型将从即日起恢复访问权限。这一决定标志着自 6 月 9 日模型发布后因“越狱”风险担忧而引发的短暂禁令正式结束。

Mythos 5 作为 Anthropic 目前能力最强的模型之一，其安全限制相较于面向公众的 Fable 5 更少，此前仅通过“Project Glasswing”（玻璃翼管控计划）项目向少数经过审核的网络防御机构及关键基础设施合作伙伴开放。该模型曾在主流操作系统和浏览器中批量发现数千项安全漏洞，甚至挖掘出 OpenBSD 系统中一个存在 27 年的缺陷，展现出强大的漏洞挖掘能力。

此次禁令解除，意味着 Mythos 5 的强大能力将不再局限于少数机构，而是逐步向更广泛的用户开放。对于企业安全负责人而言，这不再仅仅是一个关于“未来攻击性武器”的遥远讨论，而是一个迫在眉睫的现实：一个能够高效发现并利用漏洞的 AI 工具已经触手可及。因此，核心问题不再是担忧 Mythos 本身有多强大，而是如何利用这一事件作为预警，审视并加固自身的安全体系，在同类 AI 能力普及之前，抢在潜在攻击者前面补齐短板。

Mythos 的发布不应被简单解读为"一夜间降临的攻击武器"。更有价值的视角是同时把握两件事：它是一份你已经失败的审计——暴露了你系统中本就存在却从未被发现的弱点；它也是一个你尚未见过的警报——预示了未来攻击者将如何使用同类能力。以下从这两个维度展开。

Mythos模型如同一面“安全显微镜”，其批量挖掘漏洞的能力揭示了一个严峻现实：许多被认为“固若金汤”的系统早已暗藏隐患。OpenBSD系统27年的内核漏洞、主流平台中数千个未被发现的缺陷，这些并非Mythos凭空创造，而是长久以来被传统审计手段忽视的“定时炸弹”。对甲方而言，这一发现具有深刻的警示与参考价值：

1. 传统安全审计存在结构性盲区

Mythos通过“长程推理+自主验证”能力，颠覆了依赖规则库匹配的传统扫描模式。它像人类安全专家一样理解代码逻辑、构建攻击路径，暴露出单纯依赖静态扫描工具的局限性。

甲方需反思：现有审计流程是否过度依赖自动化工具？是否缺乏对复杂代码逻辑的深度理解？是否忽视了长期遗留的历史代码隐患？

2. 漏洞的“潜伏周期”远超预期

Mythos发现的27年“古董级”漏洞证明，许多缺陷并非技术不足，而是缺乏持续、动态的审计机制。系统演进中的迭代、补丁堆积可能掩盖深层问题。

甲方启示：安全并非“一劳永逸”，需建立常态化、全生命周期的审计机制，尤其关注核心系统与历史代码的持续检测。

3. “高危漏洞”定义需要重构

Mythos的“漏洞链编排”能力表明，单个低危漏洞可能被串联成致命攻击链。传统审计中“孤立评估漏洞风险”的模式已失效。

甲方应对：需引入基于攻击路径的评估方法，识别漏洞在潜在攻击链中的角色，优先修复可被串联利用的关键节点。

4. 行动指南：从“暴露”到“防御”的转化

立即行动：针对Mythos披露的同类漏洞进行自查，利用其公开的漏洞图谱快速定位高风险点。

技术升级：引入AI增强的审计工具，结合人类专家的经验，弥补传统扫描的不足。

流程重塑：建立“持续审计+动态响应”机制，将代码审计嵌入开发全流程，而非上线后的补救措施。

Mythos的“破坏力”实则是安全领域的“预警信号”——它暴露的缺陷早已存在，只是未被看见。甲方若能将这一“危机”转化为安全体系升级的契机，便能在AI驱动的攻击浪潮中抢占防御先机。

仅以审计视角看待该模型存在局限性，因为这套能力具备攻防双向属性。英国人工智能安全研究所独立测评Mythos模型后得出结论：该模型可完成 73% 专业级夺旗赛攻防任务，同时成为业内首个可端到端走完 32 步模拟内网渗透流程的 AI；人工专家团队完成同等渗透流程，预估需耗时 20 小时。

这预示着自主化、多阶段链式攻击能力即将落地，将大幅压缩防御方依赖的全部攻击时间窗口。

企业落地防护方案，需把握两大关键变量：

1. 模型在训练数据覆盖度高的场景下能力最强

广泛开源代码、主流浏览器、Linux 内核均为其优势领域；针对定制化自研系统、老旧遗留设备、不在训练数据集内的运营技术工控系统，模型能力存在明显短板 —— 英国人工智能安全研究所实测显示，该模型在工控靶场环境中攻击流程会中途卡壳。

但正如戴维・李与布鲁斯・施奈尔提出的核心警示：真正的风险不在于Mythos模型在工控、定制系统中失效，而在于攻击者可配套行业专属领域知识，补足模型短板、实现有效攻击。

下一轮安全竞争的核心优势，不再是掌握大模型本身，而是能将模型与企业专属业务环境知识相结合。所有运维特殊、文档不完善基础设施的企业，都需高度警惕该风险。

2. Anthropic 研究人员指出防御体系正在发生隐性变革

传统大量防护手段仅能拖慢攻击流程、提升攻击成本，无法从根源阻断入侵；而 AI 不存在疲劳、耐心耗尽等人为短板，此类低效防护将彻底失效。

唯有能直接阻断攻击路径、而非单纯延缓攻击进度的硬核防护机制，仍能发挥防护作用；过去依靠 “攻击者不愿投入成本” 构建的安全屏障，现已彻底失效。

三、安全负责人落地行动指南

结合上述两大核心事实，企业可落地一套完整实操工作清单：

1.首要任务：弥合漏洞发现与修复处置的能力缺口

仅有海量漏洞检测能力、无配套修复资源，不代表安全进步，只会带来持续暴露的风险台账。缩短补丁迭代周期、收紧漏洞整改时限；针对过往因业务变更风险暂缓修复的场景全面自动化处置；将包含通用漏洞编号的依赖包升级定义为紧急运维事项，而非常规变更。

2.当下主动利用 AI 能力构建防御体系

使用现有前沿大模型扫描自有业务代码、云平台配置、代码合并请求；依托 AI 完成首轮漏洞分级、告警去重、漏洞复现步骤梳理。高效调度此类 AI 工具的实操能力需要长期积累，相关经验可直接复用至后续更强 AI 模型。

3.保留深耕业务系统的安全专业人员

业内从业者与学术界达成统一共识：若企业安全团队不再掌握自身业务安全全貌，整体安全架构将极度脆弱。同步搭建红蓝对抗团队持续互测验证，但不可通过自动化完全替代人工深度理解与研判。

4.持续夯实基础安全能力，底层防护仍具备最高收益

英国人工智能安全研究所的渗透测试均基于防护薄弱的靶场环境开展，靶场未部署常态化防御人员与检测工具；研究所明确表示，目前无法证实Mythos模型可突破深度加固的成熟环境。规范日志留存、精细化访问权限管控、常态化补丁运维，仍是投入产出比最高的安全手段。

四、尚未明确的行业未知问题

保持审慎质疑具备合理性：安全厂商 Aisle 使用体量更小、成本更低的开源公共模型，复现了 Anthropic 公开的多数实测案例，由此引出核心疑问：Mythos模型是颠覆性技术拐点，还是现有 AI 漏洞挖掘趋势的加速产物？

目前行业仅能看到模型最优测试案例集锦，完整无过滤输出数据并未公开，全量场景下的漏洞误报率仍未披露。但以上疑点无法改变行业发展大势，仅要求行业保持客观理性的判断视角。

更深层悬而未决的治理难题：当前由单一私营企业，依靠有限人力、预算，决定全球哪些关键基础设施优先获得 AI 安全防御能力。Project Glasswing是阶段性可行过渡方案，也具备概念验证价值，但企业善意无法替代标准化全球 AI 安全治理体系。

合理诉求并非无限制完全开放模型，而是提升治理透明度：公开汇总测评指标、引入第三方独立审计、为学术界与细分领域专家提供专项资助访问通道 ——50 家厂商组成的联盟，无法替代全域专业力量参与安全治理。

Mythos模型几乎不可能是 AI 安全能力的性能天花板。企业应当双维度定位该模型：一份明确整改清单的全域审计报告，一套预示未来攻击形态的风险预警。同步落实两类应对举措的企业，将定义下一轮网络安全行业平衡格局；仅侧重单一维度的企业，终将被动卷入新一轮安全攻防浪潮。

原文链接

https://cloudsecurityalliance.org/blog/2026/06/22/what-claude-mythos-reveals-about-the-future-of-cybersecurity

本文审校

王玮，CSA大中华区专家会员