# 玻璃翼项目：Mythos 模型在漏洞挖掘上能做什么，以及它为什么还不稳定

> 原标题：玻璃翼项目：Mythos向我们展示了什么

- 来源：AI HOT 精选
- 发布时间：2026-05-18T06:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/23627
- 原文：https://blog.cloudflare.com/cyber-frontier-models

## 摘要

Cloudflare 在自家代码仓库上测试了 Anthropic 的 Mythos Preview 模型，发现它比之前的通用模型强在两点：一是能把几个小漏洞串成一条完整的攻击链，推理过程像资深研究员；二是能自己写代码触发漏洞、编译运行，失败了会调整假设再试，直到拿出可用的验证脚本。但模型也有毛病，它有时会拒绝做合法的漏洞研究，换个说法或环境又同意了，这...

## 推荐理由

Cloudflare 这篇是实操观察，把 Mythos 这类安全模型扔进关键基础设施的实时代码测试里，发现它能揪漏洞，但也会误报，而且上下文一长就不稳。我会先打个折：正文没给样本量，也没给准确率、召回率这些硬指标，所以只能当经验分享看，不能当评测结论。不过它碰的问题很实在——安全模型在真实生产环境里到底靠不靠谱，这点先别太激动，但值得跟。

## 锐评

Cloudflare 这篇博客讲的是他们拿 Anthropic 的 Mythos Preview 模型在自家五十多个代码仓库上做安全测试的体验。最值得关注的是两点：一是模型能把几个看似不相关的小漏洞串成一条完整的攻击链，推理过程不像自动扫描器，更像一个资深研究员在干活；二是它能自己写代码触发漏洞、编译运行，失败了会读报错、调整假设再试，直到拿出可用的验证脚本。这个闭环很重要，因为以前模型找到可疑点就停了，漏洞能不能真正被利用还是个问号。

不过文章没给具体数字，比如测了多少样本、误报率多少、跟其他模型对比的量化指标，这些关键信息都缺了。另外模型的行为不太稳定，有时会拒绝做合法的漏洞研究，换个说法或环境又同意了，说明安全对齐策略在实际落地时还有不少坑。整体看，Mythos Preview 在漏洞利用链构建和自动化验证上确实往前走了一大步，但离规模化部署还差可靠性和透明度的验证。