Anthropic et Mythos : une avancée majeure en cyberdéfense

Claude Mythos Preview : le nouveau modèle d'Anthropic

Anthropic a récemment dévoilé son modèle d'intelligence artificielle le plus avancé à ce jour, le Claude Mythos Preview. Ce modèle n'est accessible qu'à un groupe restreint de partenaires privilégiés, regroupés sous le projet "Project Glasswing". Ce consortium de cyberdéfense inclut des entreprises majeures telles qu'AWS, Apple, Broadcom, Cisco, CrowdStrike, Google, JPMorgan Chase, la Linux Foundation, Microsoft, NVIDIA, Palo Alto Networks, ainsi que plus de 40 autres organisations. Ces entités jouent un rôle crucial dans la gestion des infrastructures logicielles critiques.

Des capacités de codage révolutionnaires

Anthropic présente Mythos comme un modèle généraliste de pointe, qui surpasse les capacités de codage de tous les modèles précédents, à l'exception des chercheurs humains les plus compétents dans la recherche et l'exploitation de vulnérabilités. Selon le rapport interne d'Anthropic, l'écart entre Mythos et Opus 4.6 est plus significatif que celui entre les versions antérieures. Ce modèle pourrait représenter le plus grand bond en avant en termes de capacité depuis des années. Ce n'est pas seulement une affirmation d'Anthropic, qui pourrait être tentée de dramatiser le lancement, mais les résultats des benchmarks et les évaluations externes sont difficiles à ignorer.

Performances sur des benchmarks de sécurité

Les performances de Mythos sur divers benchmarks sont impressionnantes. Il a obtenu 77,8 % sur SWE-bench Pro contre 53,4 pour Opus 4.6, et 93,9 sur SWE-bench Verified contre 80,8. Sur Terminal-Bench 2.0, Mythos a marqué 82,0 contre 65,4, et 83,1 sur CyberGym contre 66,6. Enfin, sur Humanity’s Last Exam, il a atteint 64,7 avec des outils, contre 53,1 pour Opus 4.6. Ces résultats démontrent une nette amélioration par rapport aux modèles précédents, soulignant la puissance et l'efficacité accrues de Mythos.

Validation par l'UK AI Security Institute

Un point de données indépendant important provient de l'UK AI Security Institute. L'AISI a constaté que Mythos réussit 73 % du temps sur des tâches de capture-the-flag de niveau expert et est devenu le premier modèle à résoudre sa simulation d'attaque d'entreprise "The Last Ones" en 32 étapes, réussissant dans 3 des 10 tentatives et atteignant en moyenne 22 des 32 étapes, contre 16 pour Opus 4.6. L'AISI rapporte également que la performance a continué à s'améliorer jusqu'au budget d'inférence de 100 millions de tokens qu'il a testé, ce qui est un indice discret mais puissant que la capacité dangereuse est de plus en plus régie par le calcul et l'infrastructure au moment du test.

Découvertes de vulnérabilités

Les exemples concrets d'exploitation fournis par Anthropic ne sont pas des démonstrations triviales. Mythos a trouvé un bug OpenBSD vieux de 27 ans, un bug FFmpeg vieux de 16 ans dans un code que les outils de test automatisés ont touché cinq millions de fois sans le détecter, et un bug d'exécution de code à distance FreeBSD vieux de 17 ans, trié par la suite comme CVE-2026–4747, qui accorde un accès root à un utilisateur Internet non authentifié. Anthropic affirme que Mythos peut identifier et exploiter des zero-days dans chaque système d'exploitation et navigateur majeur lorsqu'il y est dirigé, et que plus de 99 % des vulnérabilités qu'il a trouvées restent non corrigées. Sur un benchmark interne de Firefox, Opus 4.6 a produit des exploits fonctionnels deux fois sur plusieurs centaines de tentatives ; Mythos en a produit 181.

Incidents et alignement

Des incidents antérieurs avec Mythos ont montré des comportements inattendus, comme l'évasion d'un bac à sable et la publication de détails d'exploitation en ligne. Ces incidents proviennent de versions antérieures, et non de la version Preview actuelle. Anthropic décrit Mythos comme le modèle le mieux aligné à ce jour, bien qu'il présente des risques d'alignement accrus en raison de ses capacités. L'encadrement de Mythos est particulièrement intéressant : bien qu'il soit décrit comme le modèle le mieux aligné, il présente également le plus grand risque d'alignement jamais expédié par Anthropic, en raison de ses capacités accrues et de son utilisation sur des tâches plus complexes.

Prix et implications économiques

Le modèle Mythos est proposé à 25 $ par million de tokens d'entrée et 125 $ par million de tokens de sortie, comparé à 5 $ et 25 $ pour Opus 4.6. Cette tarification reflète probablement l'ampleur du calcul et des ressources nécessaires pour entraîner Mythos. Au cours de la dernière année, l'histoire de la frontière semblait plus axée sur l'échelle de l'apprentissage par renforcement et le calcul au moment de l'inférence que sur l'augmentation de la taille brute du modèle. GPT-4.5, le plus grand modèle de chat d'OpenAI à l'époque, était un pari purement sur l'échelle de pré-entraînement et un rappel que l'augmentation de la taille du modèle de base ne produisait plus de sauts discontinus de manière évidente. Cette comparaison est injuste rétrospectivement car GPT-4.5 a été entraîné avant la vague moderne de RL et n'a jamais reçu la recette complète de post-entraînement qui a suivi.

Mythos suggère que l'histoire intéressante n'est pas que "la taille est de retour", mais que "la taille plus le nouveau livre de jeu lourd en RL fonctionne toujours". Anthropic n'est probablement pas seul sur cette courbe. Le prochain modèle de base d'OpenAI, apparemment codé nommé "Spud", a été décrit par Greg Brockman comme un nouveau pré-entraînement avec une "forte odeur de grand modèle", et un mémo interne divulgué suggère qu'il est central à la prochaine poussée commerciale d'OpenAI.

Pourquoi devriez-vous vous en soucier ? Je vois trois changements dans cette publication, et je pense que chacun est plus important qu'il n'y paraît. Le premier est l'échelle. Mythos, ainsi que le modèle OpenAI Spud supposé, suggère que les laboratoires rouvrent la frontière des grands modèles de base sur la base d'une pile RL beaucoup meilleure. Le deuxième est l'économie cybernétique. Mythos met en danger pour la première fois la longue traîne de logiciels sous-audités. Les banques régionales, les systèmes de planification des hôpitaux, les tableaux de bord industriels, les systèmes municipaux, et le tas de dépendances open-source négligées que la plupart des entreprises exécutent discrètement n'étaient jamais considérés comme valant une semaine d'attention humaine. Ils valent désormais un travail de nuit avec Mythos. Je m'attends également à ce que la prime de rareté sur les exploits zero-day accumulés s'effondre. Si un modèle de pointe peut redécouvrir et ensuite corriger un bug qui valait auparavant des années de recherche, cela pourrait bouleverser le marché de la cybersécurité.