英国AI Security Institute测试了Anthropic的Claude Mythos Preview——一个如此强大以至于Anthropic不会公开发布的网络安全模型——发现它在73%的专家级capture-the-flag挑战中成功，这些挑战在2025年4月之前没有任何AI能够解决。但在"The Last Ones"中，一个需要人类专家20小时时间的32步企业网络模拟中，Mythos只在10次中成功了3次。该模型能够发现zero-day漏洞并自主执行多阶段攻击，这些能力促使Anthropic通过Project Glasswing将访问权限制在40个组织，而不是公开发布。

这代表了自2023年以来一直在酝酿的能力阈值跨越，当时最好的模型"几乎无法完成初学者级别的网络任务"。现在我们有了一个AI，可以自动化完成人类专业人员需要几天时间的工作——但只能在没有主动防御者或现实世界加固的受控环境中。3月份泄露的文档（通过CMS配置错误意外暴露）揭示了Anthropic自己的研究人员警告的"远超防御者努力的攻击"，导致网络安全股票下跌4-7%。

AISI评估揭示了初始泄露没有捕捉到的关键限制：Mythos在无菌实验室条件下工作，但在面对真实防御时困难重重。在一个"没有主动防御者、没有防御工具、触发警报没有后果"的环境中，10次尝试中有3次成功的网络入侵，表明我们距离自主AI黑客还很远。该模型在发现漏洞方面表现出色，但无法可靠地在受防护网络中链接复杂操作。

对于开发者来说，这意味着AI辅助安全审计正在成为现实，而AI驱动的攻击仍主要停留在理论层面。对简化网络30%的成功率应该让安全团队担忧，但70%的失败率表明人类专业知识对于复杂操作仍然不可替代。