量子位
·
Claude强到不敢发的Mythos，被质疑用了字节Seed技术
内容提要
Mythos模型可能采用字节Seed团队的循环语言模型（LoopLM）架构，在图搜索任务中表现优异，广度优先搜索测试得分是GPT5.4的四倍。循环模型通过迭代计算提升了知识操作能力，尽管知识存储容量有限。此外，Mythos在网络安全测试中也表现突出，发现多个零日漏洞。
关键要点
-
Mythos模型可能采用字节Seed团队的循环语言模型（LoopLM）架构。
-
在图搜索任务中，Mythos的广度优先搜索测试得分是GPT5.4的四倍，显示出其在图遍历上的优势。
-
循环模型通过迭代计算提升了知识操作能力，尽管知识存储容量有限。
-
Mythos在网络安全测试中表现突出，发现多个零日漏洞，显示其在控制流图遍历方面的强项。
-
Anthropic尚未公开Mythos的架构信息，但测试数据表明其在图遍历任务上表现异常优秀。
延伸解读
循环语言模型的优势
Mythos模型可能采用的循环语言模型（LoopLM）架构，通过迭代计算显著提升了知识操作能力。这种架构在图搜索任务中表现出色，尤其是在广度优先搜索中，得分远超传统模型，显示出其在复杂数据结构处理上的潜力。
网络安全领域的应用
Mythos在网络安全测试中表现突出，发现了多个零日漏洞。这表明其在控制流图遍历方面的强项，能够有效识别潜在的安全风险。这一能力的提升可能与其循环模型架构密切相关，值得关注其在网络安全领域的实际应用前景。
架构创新与性能提升
尽管Mythos在图遍历任务上表现异常优秀，但其架构细节尚未公开。这引发了对其性能提升来源的讨论，可能不仅仅依赖于Scaling Law，而是架构创新带来的优势。未来的研究可能会进一步揭示循环模型在其他任务中的应用潜力。
延伸问答
Mythos模型的架构是什么？
Mythos模型可能采用字节Seed团队的循环语言模型（LoopLM）架构。
Mythos在图搜索任务中的表现如何？
在图搜索任务中，Mythos的广度优先搜索测试得分是GPT5.4的四倍，显示出其在图遍历上的优势。
循环语言模型（LoopLM）有哪些特点？
LoopLM有三个特点：不写长文思考、简单题少想几步、难题多想几步，以及预训练时学习在潜空间思考。
Mythos在网络安全测试中的表现如何？
Mythos在网络安全测试中表现突出，发现多个零日漏洞，显示其在控制流图遍历方面的强项。
循环模型如何提升知识操作能力？
循环模型通过迭代计算提升知识操作能力，使得多跳推理和图结构搜索的能力随循环步数和训练tokens指数级增长。
为什么Mythos的推理速度较慢？
尽管Mythos每个任务使用的token数量是Opus4.6的1/5，但速度更慢，这可能是因为推理发生在潜空间而非token层面。
