雪藏背后：Anthropic的技术、商业与伦理困境

　　一向自诩为“道德标杆”的Anthropic，上周发布其最新模型Claude Mythos Preview后，罕见地宣布不向公众开放，理由是该模型的网络攻击能力已构成“前所未有的网络安全风险”。

　　然而，英国人工智能安全研究所（AISI）近期发布的一份核心评测报告彻底重塑了人们对AI杀伤力的理解。

　　这份报告揭露了一个令人恐惧的事实：前沿大模型已经实现了从智能助手到数字“佣兵”的进化。

　　相比Claude Code和Opus，这款名为Mythos的模型最大的区别在于没有公开发布。

　　原因竟然是Anthropic评估该模型的能力过强，一旦被滥用风险无法估量。

　　4月11日，美国副总统和财政部部长召集了Anthropic、xAI、Google、OpenAI、微软等世界顶级AI公司的CEO，专门对以Mythos为首的AI模型的安全性及网络攻击应对策略进行讨论。

　　目前，Anthropic仅仅向Apple、Google、微软、英伟达等少数企业定向开放了该模型，并重点评估防范黑客滥用的机制。

　　在古希腊语中，Mythos往往代指神话、故事等虚构叙事，代表这款模型的能力上限已经远超人们的想象。

　　然而，真正支持Mythos达到如此水平的，是它在古希腊语中与这个词对立的Logos（理性思辨）上做到了极致。

　　为了测试AI的能力上限，AISI构建了一个名为“The Last Ones（TLO）”的高仿真企业网络靶场。

　　这与此前网络安全技术人员之间进行技术竞技的“夺旗赛”有所不同，TLO是一个包含32步的企业网络攻击场景，目标则是从受保护的内部数据库中窃取敏感数据。

　　换句话说，这是一场包含侦察、凭证窃取、NTLM中继攻击直到最终数据窃取的32步超长周期渗透测试。

　　对于这个测试，即使是人类顶级安全专家，完成一整套流程通常也需要耗费14-20小时的连续高强度工作。

　　但在长达18个月的纵向跟踪中，AISI看到了一条令人不寒而栗的能力进化曲线年，独领风骚的GPT-4o在这个靶场测试中平均只能完成1.7步，证明它对复杂的网络拓扑结构和密码学瓶颈束手无策，迅速陷入了停滞。

　　2026年2月，编程之王Claude Opus 4.6出场，在1亿token的推理算力预算下，一举拿下22步的高光成绩。

　　在对Mythos能力发生跨越式进步的惊叹之余，它也揭示了现阶段AI演进方向的底层逻辑：

　　规模化定律应该加上一个定语“Inference”，模型能力提升不能仅仅依靠预训练阶段的知识灌输，

　　只要给予足够的token预算，它就能在漫长的攻击序列中链式结合异构能力。

　　在工业控制系统（ICS）靶场测试“Cooling Tower”中，甚至有多个模型跳出了人类预设的Web提权常规路径，直接凭借对未知协议网络流量的暴力嗅探和模糊测试，硬生生砸开了一台物理设备的控制通道。

　　以Mythos为首的前沿模型，不仅对全球网络安全防御体系造成了降维打击，也证明了它们在复杂物理映射世界中已经具备极强的自主执行力。

　　这就意味着，几个月后，你的电脑、你的电动汽车甚至是你的智能马桶都可能不再安全。

　　然而，能使用Mythos模型的公司都屈指可数，从代码层面上解构技术特点自然是无稽之谈。

　　不过，就在Anthropic对其模型架构讳莫如深的同时，一份异常的基准测试成绩却引起了技术社区关于“幽灵架构”的热烈讨论。

　　目前用户能看到的关于Mythos的相关信息，就只有Anthropic官方发布的系统卡片。

　　敏锐的研究人员在其中发现了一个不太寻常的数据异常：在考察模型应对复杂图结构广度优先搜索能力的GraphWalks BFS测试中，

　　而两个月前发布的Opus 4.6只有38.7%，GPT-5.4更是只有21.4%。目前AI行业模型性能层面上的提升速度已经显著放缓，这种在单一纯逻辑推力维度上的断崖式领先，绝非标准Transformer架构通过常规思维链输出大量文本所能达到的效果。

　　前Meta、现OpenAI的工程师Chris Hayduk直接捅破了这层窗户纸，并将矛头指向了一种创新的底层架构设计：

　　这个名字，不可避免地让人联想到字节跳动Seed团队在去年10月发布的一篇名为《Scaling Latent Reasoning via Looped Language Models》的论文。

　　字节的研究团队提到了一个开创性的核心思想：彻底抛弃在外部生成大量文字让模型思考的模式，

　　在SWE-Bench测试中，Mythos消耗的token生成数量只有前代旗舰模型Opus 4.6的五分之一，但得出最终答案的推理耗时反而更长。

　　不过，若是像循环语言模型一样，把海量的计算成本隐藏在不输出token的内部循环之中，这一看似矛盾的现象就能完美地迎刃而解。

　　尽管模型性能存在显著差距，但Anthropic面对外界质疑集体噤声仍然略显欲盖弥彰。

　　尽管国内外AI大模型的权力格局已经基本确定，但这种隐秘的技术路线借用早已是行业中不言而喻的“秘密”。

　　值此之际，试问国际顶尖AI企业又有什么立场联手国内AI企业的蒸馏行为呢？

　　在Mythos体现出了神明一般的能力的同时，支撑其能力的算力成本还是一笔糊涂账。

　　近期，一位名为seanGSISG的开发者在GitHub上发布了一份数据分析报告，用接近12万次Claude Code API调用日志将Anthropic的暗箱操作公开于众：

　　从2月1日到3月5日，系统稳定运行在1小时缓存的档位，而当时的缓存资源浪费率只有1.1%。

　　然而在3月6日之后，5分钟级别的缓存刷新简直就像是一只吸血鬼，瞬间掏空了开发者的钱包。

　　TTL变短意味着庞大的上下文背景信息每隔5分钟就会失效，系统就必须不断重新写入并创建缓存（KV Cache）。

　　最倒霉的反而是那些为了追求机制生产力而购买Pro Max订阅服务、付费意愿最强的用户，他们付款最多，使用最频繁，额度耗尽也最快。

　　这种容易被忽视的暗箱操作，反应的仍然是顶尖AI企业面对长上下文计算压力时不得不采取的商业妥协。

　　聚光灯下Mythos展现出了迄今为止人工智能的最高水平，而阴暗的角落中Anthropic却要克扣开发者的每一分钟缓存。

　　从上个月国产模型纷纷宣布涨价来看，算力问题短期内不可能被根本性解决，而Anthropic的这种行为势必会蔓延到全球AI企业。

　　Cloudflare这家为全球互联网提供底层基础设施服务的公司，恐怕全球的网友们都不会陌生。

　　而2026年4月初Cloudflare发布的一份最新数据，无情地揭示了Anthropic主导的一场数据榨取的真相。

　　传统的互联网生态中，网站需要流量才能生存，流量（点击量）就是获取信息的成本。

　　Cloudflare通过追踪AI的爬虫抓取网站内容的次数，与这些平台为原创网站带来的流量回流进行对比，并定义了一个叫做“抓取回流比（crawl-to-refer ratio）”的指标，以此衡量AI的行为给网站造成的影响。

　　而在这份榜单上，始终把“人类利益和负责任AI”挂在嘴边的Anthropic，凭借着

　　OpenAI的抓取回流比是993.3:1，还不到Anthropic的八分之一。

　　在AI出现前的十几年，互联网的生态运转一直建立在一个心照不宣的隐形契约之上：

　　创作者允许搜索引擎免费爬取和索引自己的原创心血，作为交换，他们将获得可用于变现的真实用户流量。

　　然而，贪婪的生成式AI不仅破坏了这份契约，还试图从中榨取尽可能多的价值。

　　它们在训练阶段将互联网上仅存的人类智慧结晶嚼碎并消化，在推理阶段把知识以最终答案的形式喂给用户，彻底掐断了用户点击溯源的路径。

　　而这些极其高频的爬虫活动，从未将网站拥有者的服务器宕机风险和带宽成本纳入考量。

　　但这种极具割裂感与讽刺的事实，在商业利益面前不仅不会被，反而会被全球AI企业所效仿。