Theo Động Sát Beating giám sát, Epoch AI đã công bố báo cáo nghiên cứu, đánh giá một cách có hệ thống năng lực an ninh mạng của dòng mô hình Claude Mythos thuộc Anthropic. Các nhà nghiên cứu đã xây dựng "Chỉ số năng lực mạng" (Cyber-ECI) dựa trên nhiều bài kiểm tra chuẩn an ninh khác nhau. Kết quả cho thấy Mythos Preview dẫn đầu đáng kể về khả năng khai thác lỗ hổng, vượt trước xu hướng phát triển tuyến tính khoảng 7 tháng, đồng thời cũng vượt trội hơn khoảng 3 tháng so với OpenAI GPT-5.5, vốn đang dẫn đầu xu hướng.
Trước đó, một số học giả đã đặt câu hỏi rằng hiệu suất của Mythos Preview chỉ tương đương với GPT-5.5. Báo cáo chỉ ra rằng sự khác biệt này bắt nguồn từ việc một số đánh giá ban đầu sử dụng phiên bản nội bộ có hiệu suất yếu hơn, thay vì phiên bản tháng 4 sau đó được mở cho các đối tác Glasswing. Hơn nữa, một số bộ kiểm tra đã gần như bão hòa, khó có thể tạo ra sự chênh lệch điểm số. Các bài kiểm tra an ninh thực tế cho thấy Mythos Preview có thể thường xuyên tự động xây dựng các khai thác thực thi mã tùy ý, điều mà các mô hình trước đó hầu như không thể làm được.
Về mặt phát hiện lỗ hổng (Vulnerability discovery), lại thiếu bằng chứng mạnh mẽ về xu hướng vượt trội tương tự. Mặc dù sau khi Mythos Preview ra mắt, số lượng báo cáo CVE về lỗ hổng mức cao và nghiêm trọng từ 21 tổ chức nổi tiếng đã tăng vọt lần lượt 142% và 262% trong tháng 4 và tháng 5 so với đường cơ sở năm 2025, nhưng dữ liệu tăng đột biến này có thể chủ yếu đến từ việc đầu tư tài chính. Anthropic đã cung cấp hạn mức API lên tới 100 triệu USD cho Glasswing, thu hút một lượng lớn nhân viên an ninh tiến hành tìm kiếm đồng thời trong thời gian ngắn.
Ví dụ, trong bài kiểm tra kho mã nguồn curl rất được quan tâm, Mythos Preview chỉ lọc ra một lỗ hổng mức thấp, kèm theo bốn báo cáo sai, hiệu suất không vượt trội so với các công cụ kiểm toán truyền thống. Công ty khởi nghiệp AISLE cũng xác nhận rằng một số mô hình nhẹ mã nguồn mở cũng có thể xác định được cùng một lỗ hổng. Epoch AI cho rằng lợi thế thực sự của Mythos nằm ở tỷ lệ báo cáo sai cực thấp và khả năng phân loại mức độ nguy hại chính xác hơn. So với việc trực tiếp phát hiện ra lỗ hổng mới, việc đánh giá chính xác hơn có thể giúp bên phòng thủ giảm đáng kể thời gian và chi phí kiểm tra thủ công.
