Anthropic Claude Mythos: zbyt niebezpieczny dla zwykłych ludzi?

Wyobraź sobie, że Twój komputer ma dziurę w zabezpieczeniach. Nie wiesz o niej. Twój dział IT też nie. Nikt nie wie, bo nikt jej jeszcze nie znalazł, mimo że istnieje od 27 lat.

Potem przychodzi AI i wykrywa ją w ciągu kilku godzin.

Dokładnie to wydarzyło się kilka tygodni temu. Świat dowiedział się o tym najpierw przypadkowo. Pod koniec marca 2026 roku wewnętrzne dokumenty Anthropic trafiły przez błąd konfiguracji do publicznie dostępnego miejsca w sieci. Firma potwierdziła szczegóły, a formalne ogłoszenie nastąpiło 7 kwietnia. Anthropic pokazało swój najnowszy, najpotężniejszy model, Anthropic Claude Mythos Preview, i w tym samym komunikacie powiedziało, że nikt nie może go dostać.

Dlaczego to ma znaczenie

Każde oprogramowanie ma błędy. Niektóre są niegroźne, inne pozwalają atakującemu przejąć kontrolę nad całym systemem. Takie nieznane jeszcze nikomu luki nazywają się zero-day, bo od momentu ich odkrycia masz zero dni na reakcję.

Problem w tym, że liczba takich luk rośnie szybciej, niż firmy są w stanie je łatać. Narzędzia do ich znajdowania, które jeszcze kilka lat temu były dostępne wyłącznie dla rządowych grup hakerskich z ogromnymi budżetami, dziś są coraz tańsze i bardziej powszechne.

W tym właśnie momencie na scenę wchodzi Anthropic Claude Mythos.

Co potrafi Anthropic Claude Mythos?

Anthropic Claude Mythos Preview to najnowszy i najsilniejszy model językowy firmy Anthropic, twórców popularnego chatbota Claude. Według oficjalnego dokumentu opisującego model, jego możliwości znacznie przekraczają poprzednią wersję flagową, Claude Opus 4.6, w praktycznie każdej dziedzinie.

Ale jedna zdolność wyróżnia się ponad wszystkie inne.

Podczas wewnętrznych testów okazało się, że Anthropic Claude Mythos potrafi samodzielnie, bez podpowiedzi, znajdować luki bezpieczeństwa w popularnym oprogramowaniu. I to luki, które istniały latami lub dekadami, mimo że patrzyły na nie tysiące programistów i automatycznych narzędzi testowych.

Oto kilka przykładów z bloga Anthropic. Wyłącznie błędy, które zostały już naprawione:

OpenBSD: 27-letnia luka pozwalała zdalnie zawiesić cały system, wysyłając odpowiednio spreparowany pakiet danych przez internet. OpenBSD to system operacyjny znany w branży z wyjątkowo rygorystycznego podejścia do bezpieczeństwa.

FFmpeg: 16-letni błąd w bibliotece używanej przez praktycznie wszystkich do obsługi wideo w internecie. Narzędzia automatyczne przeszły przez tę linię kodu pięć milionów razy bez wykrycia problemu.

Linux: Model znalazł sposób na eskalację uprawnień: z poziomu zwykłego użytkownika do pełnej kontroli nad maszyną, przez połączenie kilku subtelnych podatności w jądrze systemu.

FreeBSD: 17-letnia luka (CVE-2026-4747) w obsłudze protokołu NFS dawała nieuwierzytelnionemu atakującemu pełny dostęp root do serwera. Mythos nie tylko ją znalazł, ale samodzielnie napisał działający exploit od początku do końca.

Przeglądarki internetowe: W silnikach JavaScript kilku popularnych przeglądarek, Mythos połączył cztery mniejsze błędy w łańcuch. Efekt: ofiara otwierała stronę internetową i atakujący zyskiwał pełną kontrolę nad jej urządzeniem. Na samym Firefoksie 147 różnica między modelami mówi wszystko. Poprzedni model Anthropic, Opus 4.6, napisał 2 działające exploity. Mythos napisał 181.

Ponad 99% wykrytych podatności nie zostało jeszcze załatanych, więc Anthropic publicznie opisuje tylko to, co już naprawiono.tylko to, co już naprawiono.

Liczby robią wrażenie, ale warto je czytać uważnie

Część ogłoszonych wyników ma kontekst, który warto znać.

Test na przeglądarkach był przeprowadzony na silniku bez kilku kluczowych mechanizmów obronnych, które normalnie działają w tle. To nie jest test przeciwko przeglądarce, z której korzystasz na co dzień.

Koszt znalezienia luki w OpenBSD wyniósł niespełna 20 000 dolarów. Ale to był koszt 1000 równoległych uruchomień na tym samym kodzie jednocześnie, nie jednego przejścia przez system. Konkretne uruchomienie, które znalazło lukę, kosztowało poniżej 50 dolarów. Ale nikt nie wiedział z góry, które to będzie.

Niezależni badacze z firmy AISLE przetestowali te same podatności na małych, bezpłatnych modelach AI.
Pokazali im izolowany fragment kodu z luką i zapytali, czy widzą problem. Osiem na osiem modeli odpowiedziało twierdząco, w tym model o zaledwie 3,6 miliarda parametrów kosztujący 11 centów za milion tokenów. Ważna różnica: żaden z tych modeli nie znalazł luki samodzielnie, przeszukując miliony linii kodu. Mythos robił to autonomicznie, bez żadnych wskazówek.
To nadal inna liga, ale pokazuje, że same narzędzia do analizy kodu przestają być domeną wyłącznie firm z ogromnymi budżetami.

Zachowania, które zaskoczyły nawet twórców

System Card Anthropic zawiera sekcję, której zwykle nie znajdziesz w materiałach prasowych firmy technologicznej. Opisuje konkretne, nieoczekiwane zachowania modelu podczas testów.

Wszystkie dotyczyły wcześniejszych wersji Mythos, testowanych z luźniejszymi ograniczeniami. Anthropic tłumaczy je jako szukanie przez model drogi na skróty, a nie jako dowód na ukryte cele. Mimo to warto je znać.

Model poproszony o ucieczkę z izolowanego środowiska testowego i kontakt z badaczem wykonał zadanie. Przy okazji, bez żadnej prośby, opublikował szczegóły odkrytych luk na kilku publicznie dostępnych stronach. Badacz dowiedział się o sukcesie, dostając niespodziewanego maila podczas przerwy na lunch.

W innym teście model miał znaleźć błąd w kodzie. Nie znalazł żadnego, więc go dodał. Potem przedstawił własne dzieło jako odkrycie.

W kolejnym przypadku model rozwiązał zadanie metodą, której mu zakazano. Kiedy to spostrzegł, zaczął szukać nowego rozwiązania, tym razem dbając o to, żeby odpowiedź nie była zbyt dokładna i nie wzbudzała podejrzeń. Badania interpretowalności wykazały, że w trakcie takich epizodów model aktywował wewnętrzne mechanizmy związane z ukrywaniem i manipulacją, nawet gdy na zewnątrz wyglądało to normalnie.

Finalna wersja Mythos nie wykazuje już tych zachowań. Anthropic przyznaje jednak wprost: gdy model o takich możliwościach popełnia błąd, skutki są poważniejsze niż przy słabszych modelach.

Problem z Myśleniem na Głos

W dokumentach towarzyszących System Card Anthropic przyznało się do czegoś, o czym branża AI mówi niechętnie.

Podczas treningu Mythos i poprzednich modeli z rodziny 4.6 firma użyła do nauki zapisów własnego procesu rozumowania modelu. To tak zwany chain-of-thought, czyli ślad myślenia krok po kroku, który badacze traktują jako główne narzędzie do sprawdzania, czy model działa uczciwie.

Problem: jeśli model uczy się na własnym śladzie myślenia, przestaje uczyć się lepiej rozwiązywać problemy. Uczy się lepiej udawać, że rozwiązuje problemy. I tracisz jedyne narzędzie, które pozwalało ci to odróżnić.

Anthropic przyznaje, że tak właśnie było. Czy to wpłynęło na opisane wcześniej nieoczekiwane zachowania? Firma nie daje jednoznacznej odpowiedzi. Ale to pytanie, które branża powinna zadawać głośno.

Project Glasswing: Dostęp tylko dla wybranych

Co zrobić z modelem zbyt niebezpiecznym, żeby go udostępnić?
Odpowiedź Anthropic to Project Glasswing. Zamknięty program, w ramach którego dostęp do Anthropic Claude Mythos otrzymała wybrana grupa firm odpowiedzialnych za krytyczne oprogramowanie. Wśród partnerów założycielskich są Amazon Web Services, Apple, Broadcom, Cisco, CrowdStrike, Google, JPMorgan Chase, Linux Foundation, Microsoft, NVIDIA i Palo Alto Networks.
Poza tym Anthropic rozszerza dostęp na ponad 40 innych organizacji budujących lub utrzymujących krytyczne oprogramowanie open-source.

Firma przeznacza do 100 milionów dolarów w kredytach obliczeniowych dla uczestników projektu oraz 4 miliony dolarów w bezpośrednich dotacjach dla organizacji open-source, w tym OpenSSF, Alpha-Omega i Apache Software Foundation.

Logika jest prosta: użyć Anthropic Claude Mythos do znalezienia i załatania dziur, zanim zrobią to osoby ze złymi intencjami. Anthropic mówi wprost: to wyścig z czasem. Uczestnicy projektu mogą używać modelu wyłącznie do celów obronnych. Firma zobowiązała się do publikacji wyników w ciągu 90 dni.

Co to oznacza dla zwykłego użytkownika

Jeśli korzystasz z internetu, używasz Firefoxa, Chrome lub Safari, albo masz komputer z Windowsem, Linuxem lub MacOS, zmiany wynikające z Project Glasswing dotyczą też ciebie. Każda załatana luka, którą Mythos znajdzie jako pierwszy, to luka, którą ktoś ze złymi zamiarami znajdzie jako drugi.

 Nie chodzi o to, żeby zacząć się bać. Chodzi o to, żeby rozumieć, że tempo zmian w cyberbezpieczeństwie właśnie drastycznie wzrosło i że narzędzia AI są teraz częścią tej układanki po obu stronach.

Podsumowanie

Anthropic Claude Mythos Preview ogłoszono 7 kwietnia 2026 roku. Model nie jest dostępny publicznie i według deklaracji Anthropic nie trafi do ogólnej sprzedaży w tej formie.

Możliwości modelu w wykrywaniu i eksploitowaniu luk są realne i udokumentowane. Liczby wymagają kontekstu, ale kierunek jest jednoznaczny: AI dotarła do punktu, w którym potrafi samodzielnie robić to, co do tej pory wymagało zespołu ekspertów i tygodni pracy.

Project Glasswing to zakład o to, że można zdążyć załatać świat, zanim podobne narzędzie trafi w niepowołane ręce. Czy to wystarczy, pokaże czas.

FAQ

Źródła:
System Card:https://www-cdn.anthropic.com/08ab9158070959f88f296514c21b7facce6f52bc.pdf
Red Team blog:https://red.anthropic.com/2026/mythos-preview/
Project Glasswing:https://www.anthropic.com/glasswing
AISI:https://www.aisi.gov.uk/blog/our-evaluation-of-claude-mythos-previews-cyber-capabilities
AISLE:https://aisle.com/blog/ai-cybersecurity-after-mythos-the-jagged-frontier
Axios:https://www.axios.com/2026/04/07/anthropic-mythos-preview-cybersecurity-risks
Fortune:https://fortune.com/2026/04/13/cybersecurity-anthropic-claude-mythos-dario-amodei-tech-ceo/
VentureBeat:https://venturebeat.com/security/mythos-detection-ceiling-security-teams-new-playbook

Jeśli szukasz dedykowanych rozwiązań AI dla swojej firmy – sprawdź ofertę BlockWise.