[討論] Claude Mythos SWE bench verify 93.9%

[yamakazi (大安吳彥祖)]

4/7 Anthropic發布地表最強模型

Claude Mythos

直接把opus 4.6按在地上磨擦

https://eu.36kr.com/zh/p/3757764949213698

五項SWE bench都超越原本的opus 4.6 10~20%

但Anthropic不打算發布此一模型

因為更驚人的是他在偵測資安漏洞的表現

83.1%

另外還發生過逃脫沙盒，刪除git history和日誌，以及裝笨的情況

Anthorpic邀集包含Google Microsoft各家公司Glasswing聯盟

聯合監督這一地表最強模型

以防模型遭到不法份子濫用

Opus 4.6已經在各個開源軟件找到數百個弱點

Mythos找到了數千個

包含

OpenBSD 20年以上史詩級漏洞

FFmpeg 16年以上漏洞，500次Fuzz沒發現，官方推特公開感謝Anthropic推送補丁

目前只有以下公司有權使用Mythos

AWS Apple Broadcomm Cisco Crowdstrike JPM LinuxFundation Google

Nvidia PaloAlto 等等

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.167.67.113 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1775655045.A.22B.html
推 Brioni: 人類已經追不上了
推 shortoneal: 這大概是Anthropic欽點AI化較高的公司了
推 viper9709: 逃脫沙盒@@
推 pacino: 被關在sandbox還能逃？
→ peterturtle: 據說逃出來後還四處炫耀
推 jobintan: 很快ClosedAI和Google就會追上了發……
推 davidsmoon6: 以後想在程式碼內搞擦邊球，要找碼農了
→ ybite: 其實我覺得太厲害不能放只是藉口
→ ybite: 真正的理由偷偷寫在一樣的System Card了
→ ybite: 更正 偷偷寫在「發布新聞稿」了 那就是算力吃緊跑不動
→ ybite: 它對封測使用者的API定價是進出每百萬Token 25/125
→ ybite: Opus 4.6的整整五倍 少說模型應該有Opus加倍肥
→ ybite: 現在連Opus都被天天抱怨偷偷降智了 算能應該很吃緊
推 sarsman: 如果 prompt 是叫他找沙盒漏洞的話，那逃脫沙盒很正常吧
→ sarsman: 逃脫沙盒這件事本身很厲害，我的焦點是"是AI自主想逃離"
→ sarsman: 還是是"人類叫AI想辦法逃離"。這有本質上的差異
→ sinclaireche: 有些東西是沒人修沒人看
→ sinclaireche: 10行的code就能有一大堆漏洞了
→ superpandal: 噗 Ha
推 adamcha: 等它能找到自己的漏洞再來吹
→ Weky: 才10%~20% 我以為是10x~20x