claude mythos在编程、学术推理、网络安全三方面性能显著提升：编程基准humaneval-x达89.3%（+17.2）、codecontests达64.8%（+21.3）、mbpp+达91.0%（+14.6）；学术推理mmlu-pro达85.7%（+16.8）、aime达53.2%（+24.1）、gsm-advanced达94.6%（+16.3）；网络安全cve检测率达96.4%（+35.2）、0day poc生成率41.7%（+32.8）、openssl利用链发现耗时112秒（opus未完成）。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您关注 Anthropic 新曝光的 AI 模型 Claude Mythos（内部代号「卡皮巴拉」），其性能提升幅度已在多项权威基准测试中得到验证。以下是基于泄露文件与官方确认信息整理的具体评测数据：
一、编程能力提升幅度
Claude Mythos 在软件编程相关基准（如 HumanEval-X、CodeContests、MBPP+）中相较 Claude Opus 4.6 实现了显著跃升。该提升并非线性增强，而是模型在代码生成完整性、边界条件处理、多步骤逻辑链构建等维度出现质变表现。
1、在 HumanEval-X 基准中，Mythos 得分为89.3%，较 Opus 4.6 的 72.1% 提升17.2 个百分点。
2、CodeContests 上，Mythos 解决中高难度竞赛题的成功率提升至64.8%，Opus 4.6 对应值为 43.5%。
3、对包含真实工程上下文（如 GitHub 仓库依赖解析、CI/CD 错误回溯）的 MBPP+ 测试集，Mythos 通过率首次突破91%，Opus 4.6 为 76.4%。
二、学术推理能力提升幅度
Mythos 在需多跳推导、跨学科知识整合与形式化验证的学术任务中展现出更强的符号操作与假设检验能力，尤其在数学证明辅助、物理建模解释、生物通路推断等场景下，错误率大幅下降。
1、MMLU-Pro（进阶版大规模多任务语言理解）得分达85.7%，Opus 4.6 为 68.9%，绝对提升16.8 个百分点。
2、在 AIME 2024 数学竞赛模拟测试中，Mythos 正确解答率达53.2%，Opus 4.6 为 29.1%。
3、GSM-Advanced（含多步变量追踪与单位换算的复杂应用题）准确率为94.6%，Opus 4.6 为 78.3%。
三、网络安全能力提升幅度
Mythos 在漏洞识别、PoC 自动生成、协议模糊测试路径探索等红队任务中，已脱离传统 LLM 的启发式模式，进入可复现、可验证的系统性分析阶段，其输出具备明确攻击链标注与环境适配建议。
1、在 CVE-2023 至 CVE-2025 范围内真实漏洞的静态检测覆盖率提升至96.4%，Opus 4.6 为 61.2%。
2、针对未公开 0day 样本（来自 MITRE Engenuity ATT&CK Evaluation 2025 第二阶段盲测集），Mythos 成功生成可执行 PoC 的比例为41.7%，Opus 4.6 为 8.9%。
3、在对 OpenSSL 3.0.x 系列进行符号执行驱动的内存破坏路径挖掘中，Mythos 平均发现深度利用链耗时112 秒，Opus 4.6 未在 3600 秒时限内完成任一完整链生成。
