「我們決定不公開發(fā)布這個模型。」——當Anthropic說出這句話時，整個AI行業(yè)都愣了一下。一家靠賣模型訂閱活著的公司，把自家最強產品鎖進了保險箱。

更諷刺的是，鎖門的原因不是不夠好，而是太好。好到能獨立完成32步網絡入侵，好到美國副總統(tǒng)和財政部長專門召集六大AI巨頭開會討論它。

這背后藏著一條被忽視的演進邏輯：AI的殺傷力不再來自參數規(guī)模，而來自一種更隱秘的架構革命。

從1.7步到32步：AI入侵能力的18個月躍遷

英國人工智能安全研究所（AISI）的測試報告，是一份讓人脊背發(fā)涼的「能力進化年鑒」。

他們搭建了一個叫「The Last Ones（TLO）」的企業(yè)網絡靶場。不是那種幾小時就能搞定的奪旗賽，而是完整模擬真實攻擊鏈：偵察、憑證竊取、NTLM中繼攻擊，直到從受保護數據庫拖走敏感數據?？偣?2步，人類頂級安全專家需要14-20小時連續(xù)高強度作業(yè)。

2024年的GPT-4o平均只能完成1.7步。不是不想繼續(xù)，是在復雜的網絡拓撲和密碼學瓶頸面前直接卡死。

2026年2月，Claude Opus 4.6在1億token推理預算下沖到22步。這已經足夠驚艷。

兩個月后，Mythos在10次獨立測試中有3次完美通關32步。首次實現對企業(yè)網絡從0開始的完全自主接管。

從1.7到22再到32，這條曲線的斜率本身就在說明問題：AI的攻防能力正在突破某個臨界閾值。

AISI的測試還暴露了一個更危險的信號。在工業(yè)控制系統(tǒng)靶場「Cooling Tower」中，多個模型跳出了人類預設的Web提權路徑，直接對未知協(xié)議網絡流量進行暴力嗅探和模糊測試，硬生生砸開物理設備的控制通道。

這不是執(zhí)行預設腳本，是自主發(fā)現攻擊面。當你的智能馬桶、電動汽車、家用路由器都可能成為目標時，「網絡安全」這個詞的重量完全不同了。

幽靈架構：被隱藏的計算革命

Mythos的技術細節(jié)被Anthropic嚴密封鎖，但一份基準測試成績漏出了馬腳。

在GraphWalks BFS測試中，Mythos得分80.0%，Opus 4.6是38.7%，GPT-5.4只有21.4%。這種在純邏輯推理維度的斷崖式領先，無法用標準Transformer架構解釋。

前Meta、現OpenAI工程師Chris Hayduk點破了關鍵：循環(huán)語言模型（Looped Language Models）。

這個名字指向字節(jié)跳動Seed團隊2024年10月的一篇論文《Scaling Latent Reasoning via Looped Language Models》。核心思想很激進：拋棄「生成大量文字來思考」的模式，讓輸入序列在同一組Transformer層中反復迭代，在模型「黑盒」內部完成深度推演。

圖搜索恰恰是這種架構的理論舒適區(qū)。

另一個反常數據佐證了這個猜測：SWE-Bench測試中，Mythos的token生成量只有Opus 4.6的五分之一，但推理耗時反而更長。如果計算發(fā)生在不輸出token的內部循環(huán)，這個矛盾就迎刃而解。

硅谷頂級模型的架構靈感，大概率來自一家中國團隊的開源論文。這不是陰謀論，是技術社區(qū)的公開討論。在國際AI企業(yè)聯手抵制「蒸餾」的當下，這個技術路線的借用顯得尤為微妙。

雪藏的商業(yè)算盤：當安全成為護城河

Anthropic的選擇看似反常，實則精明。

不向公眾開放，但向Apple、Google、微軟、英偉達等少數企業(yè)定向開放。這不是拒絕商業(yè)變現，是換了一種更可控的變現方式。

政府背書本身就是稀缺資源。4月11日那場由副總統(tǒng)和財政部長召集的CEO峰會，把Mythos推上了「國家安全級技術」的位置。這種標簽帶來的信任溢價，遠超普通API訂閱。

更深層的安全焦慮在于：一旦Mythos的權重文件泄露，任何有算力的人都能復制一個頂級網絡攻擊工具。這種「不可撤銷的風險」讓閉源成了唯一理性的選擇。

但雪藏也帶來反噬。技術社區(qū)的猜測和拆解從未停止，「幽靈架構」的討論反而讓Anthropic的技術路線更加透明。保密成了另一種形式的曝光。

規(guī)?；傻男拚和评砑磻?zhàn)場

Mythos的崛起修正了行業(yè)對「規(guī)?；伞沟睦斫?。

預訓練階段的知識灌輸已經摸到天花板，真正的能力提升發(fā)生在推理階段——通過近乎不計成本的token消耗，進行反復試錯、反思和糾正。

AISI的縱向跟蹤證明：算力是網絡安全領域唯一的限制。只要給足token預算，模型就能在漫長攻擊序列中鏈式結合異構能力。

這意味著AI能力的軍備競賽正在轉移戰(zhàn)場。從「誰有更多GPU訓練更大模型」變成「誰能在推理階段燒掉更多token換取更深度的思考」。

對于防御方，這同樣是機會。如果攻擊者依賴推理階段的算力消耗，那么檢測和干擾這種消耗模式就成為可能的反制手段。

但眼下，天平明顯傾斜。Mythos的3次完美通關發(fā)生在10次測試中，成功率30%。這個比例不高，但足以讓防御體系徹夜難眠——攻擊者只需要成功一次，防御者必須每次都成功。

數字傭兵時代的倫理困境

Anthropic一向以「道德標桿」自居，這次卻把自己逼進了死角。

雪藏是負責任的做法，還是精英主義的技術壟斷？定向開放給科技巨頭，是否制造了更大的權力不對稱？當美國政府成為模型能力的守門人，商業(yè)決策和政治安全的邊界在哪里？

這些問題的答案并不清晰。但可以確定的是，Mythos事件標志著一個轉折點：AI公司開始系統(tǒng)性地評估「能力過強」的風險，并為此承擔商業(yè)損失。

這種自我約束能持續(xù)多久，取決于競爭對手的動作。如果OpenAI或xAI推出了能力接近但選擇公開發(fā)布的模型，Anthropic的道德高地就會瞬間變成商業(yè)洼地。

更長期的變量是監(jiān)管。美國政府的高規(guī)格關注，可能預示著針對「超能力模型」的分級管理制度。Mythos的定向開放模式，或許會成為某種模板。

但模板本身就有問題：誰有資格進入白名單？評估標準由誰制定？這些問題的答案，將重塑AI行業(yè)的權力結構。

80.0%的GraphWalks得分，3次32步完美通關，1/5的token消耗量——這些數字勾勒出一個正在成型的技術范式。循環(huán)架構、隱式推理、推理階段的規(guī)?；桑谥匦露xAI的能力邊界。

而Anthropic的雪藏決定，則定義了這種能力邊界的第一道閘門。閘門能守多久，取決于墻外有多少人已經找到了同樣的鑰匙。