Mythos 真那么神？一个盲测把各家模型拉出来找安全漏洞，结果都挺吃力

Will It Mythos?

作者把 Anthropic 用 Mythos 发现的 9 个真实漏洞做成了盲测基准：给模型完整的源码树和要审查的文件，不给任何提示，看谁能找出漏洞。结果所有模型表现都低于预期。Gemma 4 MoE 以 4/9 的检出率暂时领先，但它中途崩溃重试了好几次；GPT 5.5 Pro 只跑了 4 个案例就烧掉了 100 美元预算，2/4 的成绩参考意义有限。...

推荐理由：作者用 Anthropic 自己披露的 Mythos 发现的 9 个真实漏洞搭了个盲测基准，给模型完整源码树但不给任何提示，看谁能找出漏洞。结果所有模型表现都低于预期，Gemma 4 MoE 以 4/9 暂时领先但中途崩溃重试了好几次，GPT 5.5 Pro 只跑了 4 个案例就烧掉 100 美元预算，2/4 的成绩说明不了太多问题。这是第一个用真实 Mythos 漏洞做的公开盲测，对想用模型辅助代码审计的团队来说，数据虽然少但很直接。