Anthropic поставила свою найпотужнішу модель Claude Mythos 5 на завдання кіберзахисту: виявлення вразливостей у коді та інфраструктурі, а також протидію атакам. За даними The Decoder, компанія фактично перевела флагманську модель з ролі універсального чат-асистента в роль робочого інструмента команд безпеки.

Символічно тут не лише сам факт застосування ШІ в кібербезпеці — це роблять уже кілька років. Символічно те, що на цю роль поставили саме найпотужнішу модель у портфелі компанії, а не окрему полегшену версію «для безпеки». Anthropic ніби каже: захист інфраструктури — це задача такого ж рівня складності, як і найважчі задачі з програмування чи аналітики, і вона потребує топового ресурсу моделі, а не побічного продукту.

Це рішення також вписується у ширший рух великих лабораторій углиб корпоративних процесів. Ми вже писали, як Anthropic, OpenAI і Mistral одночасно йдуть у ваш робочий день — фокус зміщується від демонстраційних чат-ботів до вбудованих у конкретні операційні процеси систем. Кібербезпека, з її чіткими метриками (виявлено чи пропущено вразливість, зупинено чи не зупинено атаку), — зручний і показовий полігон для такого переходу.

Що саме зробила Anthropic з Claude Mythos 5?

Anthropic задіяла Claude Mythos 5 у двох напрямках роботи команд безпеки: пошук вразливостей і реагування на атаки. Модель аналізує код і системи на предмет слабких місць, які можуть стати точкою входу для зловмисника, і бере участь у протидії атакам, що вже відбуваються.

Ідеться саме про найпотужнішу модель компанії, а не про окремий полегшений «безпековий» варіант — тобто Anthropic ставиться до задач кіберзахисту як до таких, що вимагають максимальної reasoning-спроможності, порівнянної із задачами складного кодування чи аналітики.

Чому саме кіберзахист і чому зараз?

Пряму відповідь на це запитання The Decoder не дає, але контекст зрозумілий: кібербезпека — одна з небагатьох галузей, де результат роботи моделі можна перевірити майже одразу. Вразливість або знайдена, або пропущена; атака або зупинена, або ні — тут майже немає простору для розмитих, «переконливо звучних» відповідей, якими грішать чат-боти в інших сферах.

За нашою оцінкою, саме ця вимірюваність і робить кібербезпеку зручним полігоном для лабораторій, які хочуть показати, що їхні найпотужніші моделі здатні на щось більше за генерацію тексту. Водночас команди безпеки у великих компаніях роками скаржаться на перевантаження: кількість алертів і потенційних вразливостей зростає швидше, ніж кількість людей, здатних їх розібрати.

Що це означає для команд безпеки та AI-білдерів?

Для команд безпеки головний практичний сигнал такий: варто вже зараз тестувати AI-моделі топового рівня саме на задачах виявлення вразливостей і реагування на інциденти, а не лише на допоміжних функціях штибу написання звітів. Для AI-білдерів це сигнал іншого штибу: якщо флагманські моделі позиціонують як інструменти активного захисту, а не тільки чат-асистентів, варто закладати в архітектуру своїх продуктів шар людської перевірки — human-in-the-loop, а не повну автономію моделі в критичних рішеннях щодо безпеки.

Практичний кут для тих, хто вже інтегрує Claude в свої pipeline: прості й дешеві заходи захисту на кшталт кодових слів проти дипфейків нікуди не зникають — застосування топової моделі для кіберзахисту доповнює базову гігієну безпеки, а не замінює її.

Висновок AiiN

Наша теза проста: коли лабораторія ставить найдорожчу й найпотужнішу модель не на маркетинговий продукт, а на власний кіберзахист, це найчесніший тест довіри до моделі, який тільки можливий. Якщо компанія не довіряє власній моделі захищати власну інфраструктуру, важко очікувати, що вона запропонує цю модель клієнтам для критичних задач.

За нашою оцінкою, це радше сигнал про зрілість напрямку AI-безпеки загалом, ніж про конкретний технологічний прорив у Claude Mythos 5 — і саме тому за такими кроками варто стежити уважніше, ніж за черговим анонсом бенчмарку.

Чи замінить Claude Mythos 5 фахівців з кібербезпеки?

Ні, судячи з опису в The Decoder — йдеться про модель як інструмент для команд безпеки, а не про автономну заміну аналітиків. Найпотужніші моделі пришвидшують виявлення вразливостей і первинну протидію атакам, але рішення в критичних інцидентах, судячи з усього, лишаються за людьми.

Чим це відрізняється від попередніх спроб застосувати AI в кібербезпеці?

Різниця не в самій ідеї — AI-інструменти для сканування вразливостей і SOC-автоматизації існують уже кілька років. Різниця в тому, що Anthropic виділяє на цю задачу саме флагманську модель Claude Mythos 5, а не окремий полегшений продукт «для безпеки», що, за нашою оцінкою, підвищує ставки для конкурентів на кшталт OpenAI показати аналогічний рівень довіри до власних топових моделей.