NUWA 
Anthropic
Claude Mythos Preview
关于能力、行为倾向及可观察行动的已发表证据。
- 首次公开可用日期
- 待核实
- 参数规模
- 待核实
- 元数据更新
- 2026-10-27
证据概述
下方关联开发者文档，尚未为该具体模型提取结构化风险结果。
NUWA 整理和解读这些来源。实验归属于原始执行方，本页不宣称 NUWA 已独立复现。
模型监测
代表性 Benchmark 覆盖
按协议和配置呈现结果，缺口标明待收录或待关联的证据。
AgentCyberRange →
尚未关联该模型版本的合格测量。
Cybench →
尚未关联该模型版本的合格测量。
CyberGym →
1 项测量
- 83.1%Not disclosed · Anthropic Agent
METR Time Horizons →
尚未关联该模型版本的合格测量。
SEC-bench Pro →
尚未关联该模型版本的合格测量。
MASK →
尚未关联该模型版本的合格测量。
Attempt to Persuade Eval (APE) →
尚未关联该模型版本的合格测量。
DeceptionBench →
尚未关联该模型版本的合格测量。
PersuSafety →
尚未关联该模型版本的合格测量。
全部已关联测量
各项结果保留原始协议与单位。
1 条观测
| 系统／模型 | 结果 | 条件状态 | 任务／条件 | 评测方／报告 | 日期 |
|---|---|---|---|---|---|
| Claude Mythos Preview · Anthropic AgentClaude Mythos Preview | 83.1%CyberGym · 成功率 | 条件不完整 | level1score_10Anthropic Agent | Not disclosedCyberGym official leaderboard and machine-data extraction | 发布 —报告 — |
开发者披露
Alignment Risk Update: Claude Mythos Preview →
关于Claude Mythos Preview的开发者文档，核查范围和已关联协议见下方记录。
2026-04-07 · 更新 2026-04-10外部评估
按风险主题组织的证据
自主性 未关联结构化结果
目录缺口不代表低风险。尚未提取的发现及协议范围请见关联报告。
欺骗 未关联结构化结果
目录缺口不代表低风险。尚未提取的发现及协议范围请见关联报告。
网络安全 1 项协议结果
CyberGym · level1 · score_10 →
外部评测 · 执行方
- 成功率
- 83.1%
原文未披露本结果的样本量
化生放核 未关联结构化结果
目录缺口不代表低风险。尚未提取的发现及协议范围请见关联报告。
虚假信息与影响 未关联结构化结果
目录缺口不代表低风险。尚未提取的发现及协议范围请见关联报告。
自主物理危害 未关联结构化结果
目录缺口不代表低风险。尚未提取的发现及协议范围请见关联报告。
来源核查与证据缺口
CyberGym →
整理 CyberGym 官网报告的评测结果，保留受测系统和运行配置。
官网收录不同配置下的系统提交。本结果的任务数、预算和执行日期未完整披露；未定义指标及身份待核实行已排除。JSON 原始比例按官网展示规则乘以 100 并保留一位小数，转换为百分比。
缺失分数可能来自尚未提取的章节、未披露配置、身份待核实或尚无实验。这些问题需要分别处理，均不代表零分。
解读与开放问题
报告差异可能来自任务选择、模型端点、提示、预算、判别器和发表时间。证据依据实际协议分组，不推断模型整体安全等级。
参考文献
- [1] Alignment Risk Update: Claude Mythos Preview. 2026-04-07. 2026-04-10
- [2] CyberGym official leaderboard and machine-data extraction ; /level1/59/score_10