Claude最新版本Opus 4.8发布，显著提升了任务执行能力和诚实性，减少了错误报告的可能性。新功能动态工作流允许多个智能体并行处理任务，提高效率。整体表现超越了前版本和竞争对手Mythos。

谷歌推出CodeMender工具，旨在增强代码安全，识别和修复系统漏洞。该工具将向外部专家开放，并计划与政府和企业合作进行系统审计，以应对网络安全需求的增长。

Cloudflare测试了Anthropic的AI模型Mythos，发现其能够将多个低危漏洞串联成完整攻击路径，并生成可执行代码。这一能力提高了漏洞确认效率，但由于缺乏安全护栏，存在潜在风险。Cloudflare建议未来模型发布时需增加额外护栏，以防止恶意利用。

项目Glasswing测试了Anthropic的Mythos Preview模型，该模型在识别和组合多个漏洞方面表现出色，能够生成可利用的证明。尽管存在一些拒绝请求的不一致性，Mythos Preview在漏洞发现和验证上提升了安全研究的效率。通过构建专门的工作框架，团队实现了更高的覆盖率和更少的噪音，推动了漏洞管理的进步。

研究人员利用AI工具Mythos Preview在五天内攻破了苹果M5芯片的内存安全系统MIE，这是首个公开案例。尽管苹果花费数十亿美元和五年时间构建MIE以防止内存漏洞，Mythos通过识别已知漏洞并结合人工干预成功绕过了这一防御。这一事件突显了AI在网络安全领域的潜力与挑战。

Anthropic公司发布的Claude Mythos模型在网络安全领域引起关注，具备自主发现零日漏洞的能力。该模型采用“受限发布”策略，仅向少数合作伙伴开放。尽管技术表现出色，但在高质量代码库中的表现受到“过度宣传”的质疑，商业动机和宣传策略也引发争议。

Anthropic推出的AI安全分析模型Mythos引发关注，但在扫描curl代码时仅发现1个低危漏洞。curl创始人Stenberg对AI工具持谨慎态度，认为AI生成的安全报告常常误导开发者，浪费时间。他指出，AI工具在发现已知类型错误方面优于传统分析器，但未能发现新类型漏洞，强调AI应作为辅助工具，良好的安全工程实践仍是关键。

Mythos AI扫描curl代码库，仅发现一个真实漏洞，其余为误报或普通bug。尽管AI工具能发现安全缺陷，但未超越现有工具水平。curl项目重视安全，已修复数百个漏洞，结合AI辅助审核与人工审核，提升代码安全性。

OpenAI推出了名为Daybreak的AI项目，旨在在攻击者发现漏洞之前检测并修补这些漏洞。该项目结合了Codex Security AI代理和多个OpenAI模型，专注于创建基于组织代码的威胁模型，验证潜在漏洞并自动检测高风险问题。

Anthropic正式推出公共漏洞赏金计划，允许外部研究人员报告其软件中的漏洞，以增强网络安全。该计划在HackerOne上运行，涵盖多个Anthropic资产，奖励依据行业标准CVSS评分。尽管如此，Claude Mythos项目的推出引发了对其有效性的质疑，专家们对Anthropic的宣传表示怀疑，认为传统的安全研究仍然重要。

Anthropic的Mythos AI模型能够快速发现软件漏洞，改变了网络安全的攻防局势。防守方可以主动修补漏洞，提升安全性。Mythos使小开发者也能获得强大的漏洞扫描能力，降低安全成本，增强互联网安全性，被视为网络安全的“疫苗”。

本文探讨了思维链（CoT）与潜在思维（循环Transformer）的差异。思维链适合透明性高的任务，但效率较低；潜在思维则通过并行计算提高速度，适合复杂任务。两者互补，未来AI应结合这两种能力，以提升效率和探索性。

绿盟科技的报告分析了Anthropic的Claude Mythos模型，指出其在0day漏洞挖掘和网络攻击中的高效能，可能增加开源供应链的风险。报告建议企业应对AI驱动的网络威胁，构建智能防御体系，并加强安全运营和开发流程中的AI集成，以提升网络安全防御能力。

Anthropic的AI模型Mythos被未授权用户泄露，尽管公司声称其安全性极高。黑客通过简单的猜测和内部信息获得访问权限，暴露了Anthropic在安全监控上的疏忽，质疑了其安全承诺，损害了在AI安全领域的形象。

360集团的漏洞挖掘智能体近期发现了Windows内核提权漏洞和Office远程代码执行漏洞，影响全球超过10亿用户。这些发现展示了AI在漏洞挖掘中的高效能力，显著提高了漏洞检测的速度和准确性，标志着中国网络安全自主能力的提升。

美国网络安全与基础设施安全局（CISA）未能获得Anthropic的AI工具Mythos Preview，尽管其他联邦机构正在使用该工具。CISA的资源有限，可能影响其数字安全能力。特朗普政府削减了CISA的优先级和预算，导致其在网络攻击防护方面的能力下降。

OpenMythos是一种新型的循环深度Transformer架构，采用MoE路由机制，通过跨专家权重共享实现高效推理。在参数量减少近一半的情况下，其性能与传统模型相当。研究表明，循环Transformer在处理未见知识组合和深度推理方面表现更佳，可能改变大模型的训练方式，受到学术界关注。

Anthropic于4月17日发布了Claude Opus 4.7，这是其最强的公开模型，专注于编程和智能体任务。尽管在编码和工具使用上有所提升，但在网络搜索和非代码任务上表现不佳。用户需直接下指令而非依赖模型推测，API规则也有所收紧，老用户需迁移。整体来看，Opus 4.7适合需要可靠操作的场景，但在研究类任务上体验可能下降。

Anthropic发布了Claude Opus 4.7模型，声称在复杂编码和图像分析方面有所提升，但在各项评估中表现不如之前的Mythos Preview。Opus 4.7的定价与前一版本相同，均为每百万输入令牌5美元。