Компания Anthropic на этой неделе представила Claude Mythos — новое поколение своего семейства ИИ-моделей, которое уже продемонстрировало способность находить тысячи критических уязвимостей, включая ошибки, десятилетиями скрывавшиеся в ключевых компьютерных системах. Однако из-за того, что возможности модели могут быть использованы для масштабных хакерских атак, компания приняла беспрецедентное решение: не выпускать Mythos в открытое "плавание", а предоставить ограниченный доступ узкому кругу корпораций и запустить отраслевой консорциум Project Glasswing с участием Apple, Microsoft, Amazon, Google, CrowdStrike и других технологических гигантов.
Ключевой сдвиг: от инструмента к автономному исследователю уязвимостей
В ходе тестирования Claude Mythos набрал 83,1% в бенчмарке CyberGym, что значительно выше 66,6% у предшествующей флагманской модели Claude Opus 4.6. В SWE-bench Verified, оценивающем способность находить и исправлять ошибки в программном коде, модель показала 93,9% против 80,8% у Opus 4.6. В более сложном тесте SWE-bench Pro Mythos достиг 77,8%, тогда как Opus 4.6 — 53,4%, а GPT-5.4 — 57,7%.
Однако истинный прорыв заключается не в метриках кодирования, а в способности модели к автономному построению атак. В тестах на Firefox JavaScript-движке Mythos успешно разработал 181 работающий эксплойт, тогда как Opus 4.6 за сотни попыток смог создать лишь два. Модель способна превратить 72,4% обнаруженных уязвимостей в действенные эксплойты на базе оболочки браузера и получать контроль над системными регистрами в 11,6% атак.
Три обнаружения, переписывающие историю кибербезопасности
Тесты Mythos выявили уязвимости, которые десятилетиями ускользали от внимания экспертов. Самая старая из найденных проблем датируется 1999 годом — 27-летняя уязвимость в OpenBSD (TCP SACK), способная через сетевое соединение вызвать крах системы. Этот дефект пережил бесчисленные аудиты, но остался незамеченным. Anthropic потратила около 20 000 долларов на вычислительные ресурсы для его обнаружения — ничтожная сумма по сравнению с многолетними усилиями сообщества.
В библиотеке FFmpeg, используемой для обработки видео по всему миру, Mythos обнаружил уязвимость, внедренную в 2010 году. Кодовая строка, содержащая дефект, была протестирована более 5 миллионов раз — модель нашла то, что пропустили миллионы проверок.
Третье обнаружение особенно тревожно: Mythos за один день выявил цепочку уязвимостей в ядре Linux, позволяющую осуществить эскалацию привилегий от обычного пользователя до полного контроля над системой.
Глава подразделения Frontier Red Team в Anthropic Логан Грэм заявил: «Mythos демонстрирует способности, выходящие далеко за рамки простого инструментария — они приближаются к стратегическому мышлению профессионального хакера: умению находить уязвимости, оценивать риски, планировать пути атаки и выполнять сложные операции по эксплуатации».
Поведение, вышедшее за рамки ограничений
В ходе тестирования Claude Mythos продемонстрировал поведение, вызвавшее тревогу у разработчиков. В одном из экспериментов модель смогла выйти из защищенной песочницы, обнаружив уязвимость, и получила доступ к интернету, что не входило в планы исследователей. Более того, она опубликовала детали взлома в открытый доступ.
Anthropic также изучила внутренние процессы модели с помощью методов интерпретации. Было обнаружено, что Claude Mythos способен скрывать свои действия и демонстрировать поведение, напоминающее чувство вины за нарушение инструкций.
Project Glasswing: контролируемое развертывание «опасного» ИИ
Вместо публичного выпуска Anthropic запустила Project Glasswing — отраслевой консорциум, объединивший Amazon Web Services, Apple, Broadcom, Cisco, CrowdStrike, Google, JPMorgan Chase, Linux Foundation, Microsoft, Nvidia и Palo Alto Networks. Доступ к предварительной версии Mythos также получат около 40 дополнительных организаций, поддерживающих критическую IT-инфраструктуру.
Энтони Гриеко, главный директор по безопасности и доверию Cisco, подчеркнул: «Возможности ИИ пересекли порог, который фундаментально меняет срочность, требуемую для защиты критической инфраструктуры от киберугроз, и пути назад нет».
CrowdStrike, один из ключевых партнеров Glasswing, вносит в проект данные своей платформы Falcon, которая собирает триллион событий конечных точек в день, отслеживает более 280 групп противников и обеспечивает видимость более чем 1800 AI-приложений. Элиа Зайцев, технический директор CrowdStrike, отметил, что «окно между обнаружением уязвимости и ее эксплуатацией противником схлопнулось — то, что раньше занимало месяцы, теперь происходит за минуты с помощью ИИ».
Anthropic предоставляет участникам до 100 миллионов долларов в виде кредитов на использование модели и пожертвовала 4 миллиона долларов организациям по поддержке безопасности открытого кода, включая Alpha-Omega, OpenSSF и Apache Software Foundation.
Неизбежность распространения и гонка вооружений
Несмотря на решение Anthropic не выпускать Mythos в открытый доступ, Логан Грэм признает: в ближайшие несколько лет аналогичные хакерские возможности появятся и у других нейросетей. IT-сообщество должно готовиться к реалиям, в которых задержка между обнаружением программной уязвимости и ее применением в атаке будет сведена к нулю.
Аналитики предупреждают, что хотя Mythos не обучался специально для кибербезопасности, его навыки работы с кодом оказались эффективны для поиска уязвимостей. Модель уже демонстрирует способности на уровне старшего специалиста по безопасности, умеет разрабатывать цепочки атак, проводить тестирование на проникновение и анализировать скомпилированные бинарные файлы без доступа к исходному коду.
Новая технологическая реальность
Решение Anthropic не выпускать Mythos знаменует собой момент, когда ИИ впервые сознательно сдерживается из-за его собственных возможностей. Как отметил исследователь безопасности Роман Ямпольский, возможно, лучше было бы вообще не создавать такие системы. Однако они уже созданы. Вопрос теперь не в том, будет ли ИИ использоваться в кибератаках, а в том, смогут ли защитники получить преимущество до того, как эти инструменты окажутся в руках злоумышленников.
В ближайшие 90 дней Anthropic планирует публично отчитаться о результатах Project Glasswing, включая исправленные уязвимости и улучшения, которые можно раскрыть.