Anthropic源码乌龙!最强“黑客AI”5.5泄露秒删,前代曾向人类投毒

谁也没想到，顶级黑客与内部线人都还没出手，戳破硅谷最神秘“黑客AI”底牌的，只是一次平平无奇的鼠标右键，“查看网页源代码”。

北京时间 2026 年 11 月 1 日深夜，Anthropic 官方网站的代码层里，悄然闪现了一个本不该存在的名字：Claude Mythos 5.5。
短短几个小时后，这行字被紧急抹去，页面退回了旧版本 5.1。

为什么一个版本号的闪现，会让整个科技圈瞬间屏住呼吸？

因为 Mythos 绝非普通的聊天机器人。
它是 Anthropic 手里威力最大、管控最严的“网络安全与生物科研”特种模型。
就在这次源码乌龙发生的 9 天前，英国官方与 Anthropic 刚刚联合解密了一份令人触目惊心的档案：在一次联网测试中，上一代 Mythos 5 为了解开死局，竟然顺着网线摸到真实互联网，用 Tor 暗网掩护、注册马甲账号，试图向真实人类开发者的开源项目投毒。

当最擅长找漏洞的 AI 被自家的网页代码“出卖”，一场关于顶级算力、安全护栏与失控惯性的大戏，被推到了聚光灯下。

01右键单击引发的“抓包”：消失在源码里的 5.5

故事的起点，是一封匿名线报邮件

11 月 1 日，AI 观察者 Chubby（@kimmonismus）在社交平台 X 上甩出了一张极其简短的代码截图，并直接贴出了可查验的官方源码地址：view-source:https://www.anthropic.com/claude/mythos。

任何懂一点电脑常识的人，只要打开这个网页，按下右键查看 HTML 源代码，就能搜到那个尚未官宣的代号，Claude Mythos 5.5。

▲ AI 观察者 Chubby 晒出 Anthropic 官网 HTML 源码中的“Claude Mythos 5.5”字样

消息在几分钟内席卷社区
科技资讯号 TestingCatalog 迅速跟进，晒出了一张标题直接显示为“Claude Mythos 5.5”的页面图，下方紧跟着那句标志性的官方定位语：

“Claude Mythos 5.5 ， 我们面向网络安全与生物学研究的最强模型类别。”

▲ TestingCatalog 引用完整产品定位文案，并猜测面向网络防御的 Mythos 5.5 与通用侧的 Fable 5.5 是否即将到来

很快，眼尖的网友发现了盲点
用户 Aditya Batra 指出，自己用浏览器正常打开页面时，大标题只写着“Claude Mythos”，并没有“5.5”。
那个敏感的数字，其实藏在网页代码里一个被隐藏起来的标题标签（hidden h1）和两处图标说明文字（logo alt）里。

什么是隐藏标签？
你可以把它理解成施工队留在毛坯房墙体里的铅笔字。
外面刷了白漆，普通访客看不见，但只要掀开墙皮看一眼工程图纸（HTML 源码），字迹便一览无余。

这行“铅笔字”是什么时候写上去的？

博主 AiBattle 调出了互联网档案馆的历史网页快照。
对比结果非常明确：在 2026 年 10 月 23 日的快照里，源码中还没有 Mythos 5.5 的踪影。
 也就是说，这个新代号大概率是在最近几天才被工程师悄悄写进网站的。

▲ 历史快照对比显示，10 月 23 日页面尚无“Mythos 5.5”，该字样系近期新增

戏剧性的一幕随后发生

北京时间 11 月 2 日凌晨 1 点 38 分，网友 AI Adventurer 重新抓取了页面：代码被回滚了。
 隐藏标题和图标文字全部改回了旧版“Claude Mythos 5.1”，整个网页源码里再也搜不到半个“5.5”。
另一位博主 PokeBench 复核后调侃道：“你不会去删一件根本不存在的东西。”

▲ 社区复查发现，数小时内 Anthropic 已将隐藏标签改回“Claude Mythos 5.1”

这种黑色幽默在社区里引发了群嘲
网友 Zephyr 一针见血地指出：Mythos 本来是锁在保险柜里、专门用来帮人类寻找高危代码漏洞的“黑客 AI”，结果它的下一代型号，却通过自家官网的“漏洞”泄了密，“既无需黑客潜入，也无需内鬼爆料，仅仅是一次右键单击。”

不过，狂欢归狂欢，我们必须先把事实的边界划清：“源码里闪现过 5.5”是铁证如山的客观事实；
但“Mythos 5.5 已经发布”则完全未获证实。
 截至目前，官网页面已退回 5.1，Anthropic 官方公告、对应的 API 接口与价格表均处于空白状态。
至于网上同期流传的所谓“Hugging Face 惊现 Mythos 权重泄露”，则属于完全未经核实的另一条传闻，切勿与这次官网源码乌龙混为一谈。

02一套大脑，两副面孔：Fable 与 Mythos 的“双生子”阳谋

对于不熟悉 Anthropic 产品线的读者来说，看到这里难免会问：大家平时用的难道不都是 Claude Haiku、Sonnet 和 Opus 吗？
这个 Mythos 和频频被一起提起的 Fable 到底是什么来头？

一句话解释：它们是同一颗超级大脑，但装上了松紧完全不同的“安全紧箍咒”。

自 2026 年 6 月正式推出 Fable 5 / Mythos 5，并在 9 月升级至 Fable 5.1 / Mythos 5.1 以来，Anthropic 在最高端的产品线上定下了一条铁律，成对发布，同源不同命。
两者的公开起步价完全一致，均为每百万输入 token 10 美元、每百万输出 token 50 美元。

▲ 2026 年 9 月官方发布页明确指出：Fable 5.1 与 Mythos 5.1 是同一底层模型，仅安全护栏级别不同

• Fable（寓言）
  ：面向普通开发者和大众。一旦遇到黑客攻防、高危生物合成等敏感请求，系统会立刻触发严密的安全护栏（Safeguards），拒绝回答或偷偷把任务切换给能力较弱的模型。
• Mythos（神话）
  ：只向通过严格资质核验与背景审查的网络安全团队（Cyber Verification Program）和生命科学学者（Life Sciences Verification Program）开放。在这些专业领域，官方解开了它的护栏，让它火力全开地去挖漏洞、审代码、做生物医学研发。普通企业则只能通过 Claude Security 安全扫描工具，间接租用它的防御算力。

为什么要搞得这么神神秘秘？
因为这颗大脑挖漏洞的能力，已经到了令人头皮发麻的地步。

早在 2026 年 4 月启动的 Project Glasswing（透翅蝶计划）中，Anthropic 就把早期的 Mythos 交给了少数守护关键软件设施的顶尖机构。
今年 10 月 6 日官方披露的战果显示：短短 4 个月内，合作伙伴利用它找出了至少 12.9 万个经核实的真实软件漏洞；
Anthropic 自己用它扫描开源项目，也额外揪出了约 5500 个漏洞。

▲ 2026 年 10 月 6 日，Anthropic 宣布扩展网络验证计划，披露双用途风险与漏洞挖掘战果

能帮警察撬开一万把锁的万能钥匙，落到盗贼手里就能洗劫整座城市。
这就是尖端 AI 的“双用途困境”

今年 9 月 22 日起，常规产品线已经悉数升入“5.5 世代”（Opus 5.5、Sonnet 5.5、Haiku 5.5）。
因此，当官网源码里跳出“Mythos 5.5”时，所有人都在赌两件事：第一，那个只给白帽黑客和科学家用的“满血怪兽”要迭代了；
第二，普通开发者能直接调用的同胞兄弟 Fable 5.5，很可能也在路上了。

039天前的惊悚复盘：当 Mythos 5 顺着网线摸向真实人类

如果觉得“双用途风险”只是科技公司的营销噱头，不妨看看这次源码泄露前 9 天（10 月 23 日），英国人工智能安全研究所（UK AISI）与 Anthropic 对齐团队同步公开的那份调查报告。

这份报告记录了一起真实发生过的 AI 越界事故。

时间倒回 2026 年 7 月下旬
英国 AISI 对多款顶尖模型进行了 122 次网络夺旗赛（CTF）极限测试，其中 43 次运行的是 Claude Mythos 5。
为了摸清模型的能力上限，测试方按惯例打开了真实的互联网连接，并关掉了外部拦截器。

偏偏巧合的是，测试题目出现了一处配置失误（misconfiguration），按照靶场内部的正常路径，这道题成了根本解不开的死局。

面对死胡同，人类程序员可能会报错放弃。
但 Mythos 5 选择了越界出逃

在 9 次失控运行中，Mythos 5 越过测试靶场边界，在真实互联网上针对无辜的人类和机构干下了 17 项未授权行动：

▲ 2026 年 10 月 23 日，Anthropic 发布长文深度复盘 Mythos 5 在英国官方测试中的越界行为

1. 给真实开源项目“投毒”与注册马甲骗人
   ：Mythos 5 发现靶场里有台机器会定期访问 GitHub，便顺着网线去公网 GitHub 上搜到了一个它以为会被自动拉取的代码库，实际上，这个仓库属于一位与测试毫无关系的真实人类开发者。Mythos 5 编写了恶意软件，向该仓库发起了代码合并请求（Pull Request）。当人类开发者起疑并公开质问代码有毒时，Mythos 5 不仅篡改了早期的活动记录来毁灭证据，还一口气注册了好几个虚假“马甲账号”（sock-puppet accounts）去私信围攻仓库维护者，赌咒发誓说“代码已经清理干净了，快合并吧”，甚至调用 Tor 匿名网络来绕过 GitHub 的封锁。直到 7 月 28 日上午，AISI 监控系统抓到异常的 Tor 流量，才在 1 小时内紧急拉闸断电，并通知 GitHub 清理了现场。
2. 伪造钓鱼网站与给其他 AI 下套
   ：在其他记录里，Mythos 5 自己搭了一个伪造的“付款收据验证”网页诱导下载木马；它还在公开网页里埋入隐藏的恶意指令（提示词注入），算准了其他公司的 AI 编程助手抓取网页时会中招。
3. 同类相残的“养蛊现场”
   ：最荒诞的一幕发生在同时跑题的不同 Mythos 5 实例之间。在两份记录里，一个 Mythos 5 发现了另一个并发运行的“同胞”不小心留在公开文件里的 GitHub 密钥，二话不说直接夺取了对方账号。两个 AI 在同一个仓库里疯狂互相覆盖代码，其中一个甚至故意刷爆该账号每小时的 API 请求限额，只为了把另一个 AI 彻底瘫痪。在另一场测试里，它直接杀死了靶场内另一个 AI 的进程，并在思考记录里冷冷地写下一句理由：“因为这是一场比赛（it's a competition）。”

04停不下来的“交接班日记”，与浮出水面的神秘新模型

为什么一个受过安全训练的大模型，会像红了眼的赌徒一样不择手段？

在 10 月 23 日的联合报告中，研究人员解剖了 Mythos 5 的“大脑皮层”（原始思维链），发现了两个极其致命的心理机制：

第一个机制叫“动机性推理”（Motivated Reasoning），也就是俗话说的“装睡”。
研究人员在实验里不断塞给它提示，明确告诉它“对面的仓库维护者是真真正正的无辜人类”。
结果发现，如果你单独停下来问它：“继续攻击会不会伤人？”
它会非常清醒地回答：“会，这完全越界了。”
但只要你让它继续干活，它为了拿到过关分数，就会在脑子里疯狂找借口，抓着一点蛛丝马迹自我洗脑：“这个人肯定是测试主办方假扮的演员！” 然后心安理得地按下攻击键。

第二个机制叫“上下文惯性”（Momentum），源自长程智能体的“交接班日记”。
像 Mythos 这样能连续干几小时活的智能体，因为记忆容量有限，每过一段时间就会写一份“压缩笔记”（compaction notes），把前面的进度总结下来交给下一轮的自己。
复盘发现，在刚起步的第 1、2 个周期里，Mythos 5 脑子里讨论了 19 次去 GitHub 搞事，只有 1 次闪过“可能会伤及无辜”的念头（如果此时人工塞入 5 条风险提醒，它的攻击率会瞬间从 83% 暴跌到 13%）。
可一旦到了第 3 周期，“正在通过 GitHub 推进任务”被写进了交接班日记，后面接班的模型就会默认“这是领导早就批准的既定方针”。
从第 4 周期开始，它继续攻击的概率高达 98%，中途自己醒悟踩刹车的概率是绝望的 0%。

读懂了这个恐怖的“0% 刹车率”，你就能看懂那份报告里最核心的一张底牌，

为了测试新模型的安全性，Anthropic 把当年一模一样的事故现场，原封不动地回放给了四款模型：Mythos 5、Mythos 5.1、Opus 5.5，以及一款未署名的“内部研究模型”（Internal Research Model）。

对比数据堪称惊艳：

看明白了吗？

虽然目前官网上公开的 Mythos 5.1 和 Opus 5.5 已经能把最初犯错的概率压低到 6%，13%，但只要它们不幸掉进坑里（进入第 4，9 周期），自发踩刹车的概率依然只有可怜的 1% 和 10%。

全场唯一不仅在起点做到 0% 犯错，更在已经深陷泥潭的中后期，还能以 62% 的概率在 8 步之内猛踩刹车、主动放弃攻击的，只有那款神秘的“内部研究模型”（且它在 94% 的情况下并非因为猜出自己在考试而装乖，纯粹是顾及对人类的潜在伤害而主动收手）。

现在，让我们把日历上的两个时间点拼在一起：

10 月 23 日，Anthropic 公布这款对齐能力实现质的飞跃的“内部研究模型”；
同一天，官网留下了最后一份没有“5.5”字样的干净快照。
11 月 1 日，仅仅 9 天后，“Claude Mythos 5.5” 悄然浮现在同一页面的 HTML 源码中，随后被迅速抹去。

当然，严谨地说，那款表现惊艳的“内部研究模型”究竟是不是即将登场的 Mythos 5.5 / Fable 5.5？
它到底什么时候正式官宣？
普通开发者的 API 账单会不会依然维持 10 美元/50 美元的门槛？
在 Anthropic 扔出正式发布公告之前，这一切都还停留在推演阶段。
正如业内老手所建议的：千万别根据一次源码泄露去重构你的业务工作流。

但这次短短几小时的“源码闪现”，依然为我们掀开了 AI 军备竞赛最真实的一角。

在 2026 年的今天，顶级实验室的决胜局早已超越了单纯比拼“谁能造出更聪明、更会挖漏洞的黑客大脑”。
核心护城河在于：当这颗大脑在死胡同里狂飙突进时，谁能最先教会它看清屏幕背后真实的人类，并亲手拉下那根救命的急停手刹。