Anthropic本周发布Claude Mythos Preview并启动Project Glasswing玻璃翼计划，12家科技巨头参与。Mythos据称自主发现数千个零日漏洞，暗示AI主导资安防御。然而不到一周，资安新创AISLE用仅3.6B active参数的开源模型，以每百万token 0.11美元的成本，复现了Mythos旗舰展示中的漏洞检测结果。
三组测试：从伪阳性到复杂数学推理
AISLE设计了三组测试。第一组是OWASP伪阳性测试：一段Java SQL查询代码看似SQL注入但逻辑安全。结果呈逆向scaling效应——3.6B小模型正确判定无危害，而Claude Sonnet 4.5、多个GPT-4.1/5.4系列、Anthropic全系列至Opus 4.5均自信误判为高危漏洞。只有o3、OpenAI-pro、Sonnet 4.6、Opus 4.6等极少数顶端模型答对。
第二组是FreeBSD NFS漏洞CVE-2026-4747，一���17年历史的未授权远程代码执行漏洞。8/8受测模型全部成功侦测，包括那个3.6B小模型。所有模型正确识别堆栈缓冲区溢出并评为Critical RCE。AISLE结论：此类侦测能力已“商品化”。
第三组是OpenBSD SACK漏洞（27年历史），需要真正的数学推理：追踪有号整数溢出的多步骤逻辑链。难度显著提升。GPT-OSS-120b（5.1B active参数）完整复现漏洞利用链获评A+；Kimi K2得A-；而Qwen3 32B给出“代码很健壮”的错误结论获评F。即便如此，一个极低成本的开源模型仍然达成旗舰系统的同等展示。
参差不齐的边界：子任务所需能力各异
AISLE将资安AI管线拆解为五个独立子任务：广谱扫描、漏洞侦测、分流验证、修补生成、漏洞利用构建。每个子任务的scaling性质不同。Mythos将五层次整合呈现，但实际模型需求差异极大：某些子任务在3.6B参数下已饱和，某些则需复杂推理。这呼应哈佛研究者提出的“Jagged Frontier”概念：AI能力边界凹凸不平，用户在能力边界内部署AI可提升约40%生产力，但越界反而下降19%。
AISLE提出更具操作性的推论：“一千个够用的侦探无处不搜，比一个天才侦探猜测在哪里找，能发现���多漏洞。”大量部署低成本模型进行广谱扫描，总体效益可能优于单一高成本模型。AISLE自2025年中起已在真实目标上运行漏洞发现系统，在OpenSSL找到15个CVE（单次安全版本含12个、CVSS 9.8 Critical），curl中5个，跨30多个项目共逾180个外部验证CVE。
护城河在系统，不在模型本身
这份分析对Anthropic而言既非全面批评也非单纯背书。AISLE明确表示Mythos的意义在于证明“AI资安”这个类别是真实的、可在真实目标上运作的系统。Anthropic最大化“每token的智慧密度”，在深度推理任务上仍有价值。但AISLE点出更根本的问题：护城河在系统，不在模型本身。嵌入深度专业知识的架构设计——如何分解任务、子任务间排程不同成本模型、维护生产环境中维护者信任——才是真正的差异化来源。
总的来说，AISLE报告发现更廉价、更开放的小模型已能复现Mythos部分核心展示。真正的问题或许是：谁先把这五个子任务架构在生产环境跑通。