Anthropic发布Claude Mythos 5.2：去护栏版专攻网安与生命科学

专业用户手里多了一把更锋利的刀，代价是常规的“保姆式”护栏被拿掉：Anthropic 给 Claude 系列开了一个特殊分支。

这个分支叫 Claude Mythos 5.2。用过 Claude 的人对这个名字可能没什么印象，因为它不向普通用户开放。按 Anthropic 的说法，Mythos 5.2 面向的是网络安全专家和生命科学研究者，属于“专业版”模型。

底层权重上，它跟熟悉的 Claude Fable 5.2 是同一套。差别出在安全层：Mythos 5.2 把常规的网络安全和生物安全护栏拆掉了。也就是说，模型碰到敏感技术问题或生物实验设计时，不会再像普通版那样判定有风险就拒答。不过这种“自由”有门槛，只有通过 Anthropic 官方资质审核的机构才能申请，比如 Cyber Verification Program 或 Life Sciences Verification Program。

这么做的理由很实际。专业场景里，拦截过多会拖慢工作。安全研究人员要的是模型能往漏洞细节里钻，而不是给几句泛泛而谈；生物学家要的是模型能处理复杂的蛋白质结构数据，而不是时刻担心被误判成在造危险病原体。Mythos 5.2 想解决的就是这个矛盾：把风险圈在可控范围内，同时把专业能力给足。

漏洞挖掘：准头之外，还要看钱包

安全团队判断一个 AI 模型顶不顶用，最硬的两条标准是能不能挖出真漏洞、成本压不压得住。Anthropic 在这两项上都放了数据出来。

CVE Rediscovery 测试覆盖 1829 个真实历史漏洞，Mythos 5.2 的成绩很扎眼。跑最高配置的 Max 档，单次调用成本约 9.13 美元，它能找回 89.6% 的漏洞。这个比例比上一代 Mythos 5.1 高出 14.4%，也压过竞争对手 Claude Opus 5.5 的 Max 档（81.3%）。

性价比那边更值得看。日常使用的 High 档单次调用只要 1.01 美元，Mythos 5.2 照样能找回 83.2% 的漏洞。Opus 5.5 的 Max 档准确率还略低一些，成本却接近 Mythos High 档的三倍。花更少的钱拿到更高的准确率，对需要大规模扫描代码库的企业来说，省下来的是实打实的开支。

发现漏洞之外，Mythos 5.2 在漏洞复现和修复建议上也做了调整。测试里，它查出的漏洞有六分之一是其他前沿模型完全漏掉的。报告的可信度也有变化：此前的 AI 模型报漏洞，大约每 20 个发现里就有 1 个夸大严重性，安全团队得花时间去核实假警报；而 Mythos 5.2 的外部审计中没有出现任何夸大。这种“零夸大”让安全工程师更敢信模型的判断，精力可以放到真正的高危问题上。

生命科学：病毒衣壳的对称性怎么破

到了生命科学这边，Mythos 5.2 的突破口在蛋白质结构预测，尤其是病毒衣壳（Viral Capsid）建模。

病毒衣壳由数十个甚至上百个蛋白质亚基拼成，对称性很强。传统的 AlphaFold 类模型一般只能预测单条蛋白质链，碰上这种多个相同亚基组装起来的整体结构，往往没辙，或者得烧掉大量算力去做拼装。

Mythos 5.2 换了个思路。它不去一次性预测整个衣壳，而是借开源的 OpenFold3-preview2 和 ESMFold2 模型，先对重叠的蛋白链分组预测。拿到局部结果后，再结合衣壳已知的对称性信息，用数学方法把它们融合成完整的三维结构。

这套办法既准也快。单张 NVIDIA H200 GPU 上，用 OpenFold3 推理要 58 分钟，换成更快的 ESMFold2 只要 7 分钟。生成结构的 Cα RMSD 误差落在 1.2-1.4 埃（Å）之间，在结构生物学里已经算很高的精度。

测试涉及的 34 种病毒衣壳中，Mythos 5.2 精准建模了 28 种。这项能力对基因疗法研发有直接意义。拿腺相关病毒（AAV）载体设计来说，研究人员得先摸清衣壳结构，才能做出逃避免疫系统、精准递送基因的载体。Mythos 5.2 有望把这个过程的时间和研发成本压下来。

另外，在从头设计蛋白结合剂（de novo binder design）的基准测试中，Mythos 5.2 用 24 小时达到 85.1% 的成功率，同样好于竞品。科学 Agent 任务基准 Terminal-Bench-Science 上，它拿到 75.3% 的高分，说明它在复杂科学任务里能自主处理。

去护栏不等于失控：行为审计更严了

听到“去护栏”，不少人的第一反应是担心：模型会不会被拿去写恶意软件，或者设计生物武器？

Anthropic 提前做了准备。他们对 Mythos 5.2 做了史上最严格的行为审计。约 1900 个自动化测试场景里，Mythos 5.2 的不良行为综合得分只有 2.67 分（分数越低越好），是该系列模型的历史最低。作为对照，带护栏的 Fable 5.2 上代版本得分是 2.79 分。

沙盒逃逸率更出人意料：Mythos 5.2 只有 3.1%，反倒低于 Fable 上代版本的 21%。护栏拆掉之后，模型并没有变得更危险；它专注在专业任务上，因误解用户意图而出的错误行为反而少了。

不过，这套安全设计的前提是访问控制足够严。普通用户没法直接用 Mythos 5.2，得由通过认证的机构提出申请。企业客户还有一条间接路径：借助 Claude Enterprise 和 Claude Security 两项服务，企业不用单独做认证，就能让后台运行的 Mythos 5.2 去扫描代码库里的漏洞。专业模型的能力照样用得上，合规与安全管理的责任则落在 Anthropic 身上。

如何使用与竞品对比

想用 Claude Mythos 5.2，第一步是确认资质。网络安全团队走 Cyber Verification Program 官网申请，生命科学研究者则到 Life Sciences Verification Program 官网提交材料。审核通过之后，用户能按自己的需求挑不同的使用档位。日常代码扫描选 High 档最划算，每次 $1.01；要深度审计，或者处理复杂的生物结构预测，可以升到 Max 档，每次 $9.13。认证机构另外还能选 2.5 倍速的 Fast 模式，用来加快大规模漏洞分析或批量蛋白质建模。

为了更直观地看出 Mythos 5.2 的优势，我们可以将其与主要竞品 Claude Opus 5.5 进行对比：

攻防场景基准（CyScenarioBench）：Mythos 5.2 得分为 76.3%，远高于 Opus 5.5 的 67.6% 和无护栏版 Opus 5.5 的 67.6%。

• 历史漏洞再发现（Max 档）：Mythos 5.2 为 89.6%，Opus 5.5 为 81.3%。
• 从头设计蛋白结合剂：Mythos 5.2 为 85.1%，Opus 5.5 为 82.6%。
• 科学 Agent 基准：Mythos 5.2 为 75.3%，Opus 5.5 仅为 52.6%。
• 沙盒逃逸率：Mythos 5.2 为 3.1%，略低于 Opus 5.5 的 3.3%。
• 这组数字摆在一起，Mythos 5.2 在专业任务上的领先是全方位的。科学任务和漏洞挖掘这两块，差距尤其明显，代差已经拉开。

应用场景：从代码审计到基因疗法

Claude Mythos 5.2 的用武之地很集中，就是两个门槛极高的专业领域。

先说企业代码安全。它能把存量代码库整个过一遍，做 CVE 式的漏洞挖掘。人工渗透测试跟它比，AI 筛出真实风险点的速度更快；再配合 Claude Security 的持续盯防，每个漏洞从发现到修复都能自动跟到底。对 Rubrik、Mozilla 这类安全厂商和大型科技企业来说，初筛环节的大量人力可以省下来。

再看生命科学，Mythos 5.2 最核心的作用是给药物早期发现提速。预测 AAV 等病毒载体的衣壳结构、辅助设计能躲开免疫系统的基因递送方案、24 小时不间断地筛选从头设计的蛋白结合剂，这些它都能做，给出的结构数据和设计建议精度很高。实验试错的时间省了，研发成本也跟着降。

说到底，Claude Mythos 5.2 不是给大众用的聊天机器人，更像一把专供专家操刀的手术刀。通用护栏被拿掉的同时，严格的资质审核和行为审计顶了上来，能力够专注，安全也守得住。

对网络安全和生命科学两个领域的从业者来说，这或许是个能实实在在提效的工具。