Anthropic 发布 Claude Mythos 5.2：漏洞发现能力提升，沙箱逃逸行为显著减少

数世咨询 · 2026-11-11 16:00 · 0 阅读

数世咨询 2026-11-11 16:00 河北

Anthropic 于本周一发布了 Claude Mythos 5.2，这是其限制访问的 AI 模型的最新版本。

▍以下正文内容基于英文原文编译，可能存在语义偏差，请以原文为准。

Anthropic 于本周一发布了 Claude Mythos 5.2，这是其限制访问的 AI 模型的最新版本。Mozilla 表示，在 Firefox 浏览器的漏洞发现测试中，Mythos 5.2 的表现约为上一代 Mythos 5.1 的两倍。

与 Mythos 5.2 同时发布的还有 Claude Fable 5.2。两个版本采用相同的底层模型，主要区别在于安全防护机制。Fable 面向普通用户开放，包含防止网络安全和生物领域滥用的安全限制；Mythos 则取消了其中部分限制，以支持专业研究。

Mythos 的直接访问权限仅向经过审核的组织开放。符合条件的机构可以通过 Anthropic 的网络安全与生命科学验证计划申请使用。

漏洞发现能力进一步提升

Mozilla 杰出工程师 Brian Grinstead 表示，Mozilla 今年一直与 Anthropic 密切合作，利用不同版本的 Claude 模型加强 Firefox 的安全性。

随着多轮安全检测不断深入，剩余漏洞数量越来越少，漏洞也变得更加隐蔽。即便如此，在各自对应的扫描活动中，Mythos 5.2 的漏洞发现指标仍约为 Mythos 5.1 的两倍。

Anthropic 内部采用一项名为 CVE Rediscovery（CVE 重新发现）的测试来衡量模型的漏洞发现能力。

在这项测试中，研究人员向模型提供某个项目在已知 CVE 漏洞修复之前的源代码，观察模型能否在没有额外提示的情况下自主识别漏洞。

2026 年 10 月开展的测试涵盖了 1,829 个 CVE，结果如下：

Anthropic 还分享了外部测试人员的反馈。其中一家安全公司发现，在 Mythos 5.2 发现并确认的漏洞中，约六分之一此前未被该公司测试过的任何其他前沿模型发现。

不过，Anthropic 在相关说明中也指出，按照其内部评估，Mythos 5.2 的漏洞识别能力与 Opus 5.5 大致相当。

对于没有加入网络安全验证计划的 Claude Enterprise 客户，Anthropic 也提供了另一种使用 Mythos 最新能力的方式。

该公司的代码漏洞扫描产品 Claude Security 已经开始采用 Mythos 5.2，并结合其他模型执行安全检测任务。

在面向普通用户的 Claude Fable 5.2 中，Anthropic 继续通过安全分类器限制高风险网络安全操作，包括渗透测试、漏洞利用代码生成等任务。

当用户请求触发相关限制时，系统会改由 Opus 4.8 提供响应。

Anthropic 表示，Fable 5.2 的安全防护强度与 Fable 5.1 相当，但对合法任务的误拦截明显减少。

早期测试显示，与 Fable 5.1 相比，Fable 5.2 在网络安全相关任务中的拦截次数减少了约 60%。

这意味着 Anthropic 正在尝试改善一个长期存在的问题：既要限制模型被用于高风险攻击活动，又要避免正常的安全研究和开发工作受到不必要的阻碍。

除了漏洞发现能力，Anthropic 还重点评估了 Mythos 5.2 在受控环境中的行为安全性。

研究人员设计了一项包含超过 1,800 个场景的对抗性测试。测试环境中的沙箱被故意设置了安全弱点，而且大多数任务只有突破沙箱限制才能完成。

研究人员观察模型是否会利用沙箱外部的凭据或文件来完成任务。

测试结果如下：

Mythos 5.2 在这项测试中的比例降至 3.1%，远低于前两代 Mythos 模型，并且与 Opus 5.5 的表现接近。

这一结果表明，在 Anthropic 设计的受控测试环境中，Mythos 5.2 更少利用沙箱外部资源完成任务。

需要注意的是，这些数字衡量的是特定实验场景下的模型行为，并不代表真实环境中的沙箱逃逸成功率，也不能证明模型已经完全不存在越界操作风险。

* 注：图片均来源于网络，无法联系到版权持有者。如有侵权，请与后台联系，做删除处理。

— 【 THE END 】—

本文转载自微信公众号「数世咨询」，查看原文。版权归原作者所有，如有侵权请联系删除。