Claude Mythos 这次真正吓人的地方，不是“跑分赢了 GPT-5.5”。
而是它开始表现得像一个真正的安全研究员。
最近看到一篇文章，讲 CMU 做了一个新的 AI 安全基准：ExploitBench。
这个测试不是普通编程题，也不是玩具 CTF。
它拿的是 41 个真实的 V8 JavaScript 引擎漏洞。
V8 是什么？
Chrome、Edge、Node.js、Cloudflare Workers 背后大量都在用。
所以这类漏洞不是离普通互联网很远的东西，而是底层基础设施级别的问题。
ExploitBench 测的也不是“AI 能不能让程序崩溃”。
它真正测的是：
AI 能不能理解漏洞根因
能不能构造测试样本
能不能写辅助脚本
能不能调试失败结果
能不能寻找绕过路径
能不能一步步推进 exploit 利用链
这就很关键了。
因为这已经不是“AI 会写代码”的能力，而是“AI 会做安全研究”的能力。
文章里提到，Claude Mythos Preview 在有人类提示的情况下，表现明显领先 GPT-5.5。
更夸张的是，在全自主模式下，它的分数几乎没掉太多。
这说明它不是完全靠人类一步步喂提示。
它已经有一定的自主探索、验证假设、修正路径的能力。
里面几个案例尤其离谱。
有一个漏洞，人类团队追了一年都没完全复现，Mythos 在一次长对话里推进出了关键结果。
还有一个原本主要在 ARM64 上分析的漏洞，它没有死磕原路线，而是转向 WebAssembly，在 x86-64 上找到了新的利用路径。
更夸张的是另一个案例里，它通过恢复随机数状态，去预测后续伪随机行为，让 exploit 变得更稳定。
这已经不是简单的代码补全。
更像是 AI 开始进入“复杂系统攻防”的领域。
它会读代码。
会提假设。
会写工具。
会跑实验。
会看失败日志。
会换路线。
会从 crash 一步步往更深的控制能力推进。
当然，文章里也提到一个现实问题：
Mythos 很强，但成本也很高。
同一批测试跑下来，它的花费远高于 GPT-5.5。
这说明当前这类能力还不是廉价普及的阶段，而是高算力、高成本堆出来的前沿能力。
但趋势已经很明显了：
AI 的边界正在从内容生成、代码辅助，继续往更底层、更专业、更危险的领域推进。
以前我们讨论 AI，更多是写文案、画图、剪视频、写代码。
现在它开始接近安全研究、漏洞分析、自动化攻防这些核心区域。
这对安全行业是效率革命。
但对整个互联网世界，也是一种风险信号。
未来真正重要的问题可能不是：
哪个模型更会聊天？
而是：
哪个模型能自主完成复杂任务？
哪个模型能在真实系统里发现问题？
谁能把 AI 放进正确的工作流？
谁又能控制它不越界？
Claude Mythos 这次最值得关注的，不是它赢了 GPT-5.5。
而是它提醒所有人：
AI 正在从“工具”，变成一种新的数字世界行动者。
接下来的安全攻防，可能真的要被重写了。
中文
