#### 简要介绍* OpenMythos 是对克劳德 Mythos 架构的从零重建，仅基于公开研究论文和推测构建而成。* 克劳德 Mythos 是 Anthropic 最强大的模型，被锁在 Project Glasswing 中，因为它自主发现了271个 Firefox 漏洞和32步网络攻击。* 该仓库是理论框架——没有训练好的权重的代码。它反映了 Vidoc Security 的另一项努力，该公司使用现成模型复现了 Mythos 的漏洞发现。如果 Anthropic 不愿展示其最危险的 AI 内部结构，GitHub 上的某个人会猜测。一位名叫 Kye Gomez 的开发者发布了 OpenMythos，这是他对 Mythos 内部结构的开源重建。该仓库在发布几周内获得了超过1万颗 GitHub 星标，并附带一份详尽的“readme”文件，里面充满了方程、引用和一份礼貌的免责声明，说明它与 Anthropic 无关。这只是推测。但它是结构化的推测，用代码表现出来。这里是 Mythos 的简要介绍： Mythos 于三月底泄露到公众视野，当时 Anthropic 不小心发布了描述其为公司迄今为止最强模型的草稿材料——高于 Opus 的层级。随后的 Mythos 预览显示，它在网络安全方面异常出色，几乎无法发布。<span style="width:0px;overflow:hidden;line-height:0" data-mce-type="bookmark" class="mce_SELRES_start"></span>据 Anthropic 介绍，Mythos 在 Mozilla 测试中发现了271个漏洞。它成为第一个完成32步企业网络攻击模拟的 AI 模型。Anthropic 将其锁在 Project Glasswing 内，这是由大约40个合作伙伴组成的经过审查的联盟，包括微软、苹果、亚马逊和 NSA。公众永远无法触及它。所以 Gomez 试图弄清楚它的工作原理。OpenMythos 的核心猜测是 Mythos 是一种循环深度变换器——也称为循环变换器。标准模型堆叠数百个不同的层。循环模型则用较少的层多次运行，经过多次前向传播。换句话说，权重相同，经过多次迭代。在任何令牌发出之前，在连续潜在空间中进行更深层次的思考。该仓库认为，这可以解释 Mythos 的两个最奇特的特性：它能推理出其他模型无法破解的新问题，但其原始记忆能力不均。这是循环架构的指纹——偏重组合而非存储。OpenMythos 引用 Parcae，一篇由加州大学圣地亚哥分校和 Together AI 于2026年4月发表的论文，解决了循环模型中的长期不稳定性问题——一个7.7亿参数的 Parcae 模型在质量上与13亿参数的固定深度变换器相当，并具有可预测的扩展规律，指导运行多少次循环。该仓库还借用了 DeepSeek 的多潜在注意力机制以压缩记忆，以及专家混合（Mixture-of-Experts）结构以处理跨领域的广度。它没有权重，所以基本上是一种没有执行器的技术。OpenMythos 是理论性的。代码定义了从10亿到1万亿参数的模型变体，但你必须自己训练——readme 文件指向一个在 FineWeb-Edu 上训练的30亿参数脚本，以及一个经过 Chinchilla 调整的300亿标记目标，这种计算成本在 H100 上可能高达数十万美元。还没有人完成训练。那么，为什么这很重要？因为这是一个月内第二次有人试图突破 Mythos 的壁垒。第一次是 Vidoc Security 的一项研究，他们用 GPT-5.4 和 Claude Opus 4.6 在开源代理中复现了 Mythos 的几个最令人担忧的漏洞发现。没有 Glasswing 访问权限，扫描成本低于30美元。角度不同，结论相同： Mythos 周围的护城河可能比宣传的更薄。OpenMythos 和 Vidoc 的复现工作是不同的。Vidoc 复现了 Mythos 的输出——漏洞发现本身——使用的是现有模型。OpenMythos 则试图复现架构——产生这些输出的实际机器。一个观点是你不需要 Mythos 就能找到 Mythos 发现的漏洞；另一个观点是，最终你可能自己也能构建类似 Mythos 的模型。Anthropic 几乎肯定不会公开分享 Gomez 的架构猜测，OpenMythos 中的多个设计选择也是明确的保留——readme 文件确保措辞模糊，让用户知道这只是一种方法。它反复提到“可能”、“怀疑”以及“几乎可以确定”。真正的 Mythos 可能根本不是循环变换器，或者它可能是 Gomez 还未逆向工程的细节版本。OpenMythos 展示的事实是，研究文献中已经包含了大部分关键组成部分。循环变换器、专家混合、多潜在注意力、适应性计算时间、Parcae 的稳定性修复——这些都不是专有的。这个仓库更像是一个关于如何构建 Mythos 级模型的公开知识清单。该仓库采用 MIT 许可证，已经有2700个分支。训练脚本也在等待拥有GPU集群和论文证明的人来使用。
有人构建了一个开源的“理论神话”以逆向工程Anthropic最危险的人工智能
简要介绍
如果 Anthropic 不愿展示其最危险的 AI 内部结构，GitHub 上的某个人会猜测。 一位名叫 Kye Gomez 的开发者发布了 OpenMythos，这是他对 Mythos 内部结构的开源重建。该仓库在发布几周内获得了超过1万颗 GitHub 星标，并附带一份详尽的“readme”文件，里面充满了方程、引用和一份礼貌的免责声明，说明它与 Anthropic 无关。 这只是推测。但它是结构化的推测，用代码表现出来。 这里是 Mythos 的简要介绍： Mythos 于三月底泄露到公众视野，当时 Anthropic 不小心发布了描述其为公司迄今为止最强模型的草稿材料——高于 Opus 的层级。随后的 Mythos 预览显示，它在网络安全方面异常出色，几乎无法发布。
据 Anthropic 介绍，Mythos 在 Mozilla 测试中发现了271个漏洞。它成为第一个完成32步企业网络攻击模拟的 AI 模型。Anthropic 将其锁在 Project Glasswing 内，这是由大约40个合作伙伴组成的经过审查的联盟，包括微软、苹果、亚马逊和 NSA。 公众永远无法触及它。所以 Gomez 试图弄清楚它的工作原理。 OpenMythos 的核心猜测是 Mythos 是一种循环深度变换器——也称为循环变换器。标准模型堆叠数百个不同的层。循环模型则用较少的层多次运行，经过多次前向传播。
换句话说，权重相同，经过多次迭代。在任何令牌发出之前，在连续潜在空间中进行更深层次的思考。 该仓库认为，这可以解释 Mythos 的两个最奇特的特性：它能推理出其他模型无法破解的新问题，但其原始记忆能力不均。这是循环架构的指纹——偏重组合而非存储。 OpenMythos 引用 Parcae，一篇由加州大学圣地亚哥分校和 Together AI 于2026年4月发表的论文，解决了循环模型中的长期不稳定性问题——一个7.7亿参数的 Parcae 模型在质量上与13亿参数的固定深度变换器相当，并具有可预测的扩展规律，指导运行多少次循环。该仓库还借用了 DeepSeek 的多潜在注意力机制以压缩记忆，以及专家混合（Mixture-of-Experts）结构以处理跨领域的广度。 它没有权重，所以基本上是一种没有执行器的技术。 OpenMythos 是理论性的。代码定义了从10亿到1万亿参数的模型变体，但你必须自己训练——readme 文件指向一个在 FineWeb-Edu 上训练的30亿参数脚本，以及一个经过 Chinchilla 调整的300亿标记目标，这种计算成本在 H100 上可能高达数十万美元。还没有人完成训练。 那么，为什么这很重要？ 因为这是一个月内第二次有人试图突破 Mythos 的壁垒。第一次是 Vidoc Security 的一项研究，他们用 GPT-5.4 和 Claude Opus 4.6 在开源代理中复现了 Mythos 的几个最令人担忧的漏洞发现。没有 Glasswing 访问权限，扫描成本低于30美元。角度不同，结论相同： Mythos 周围的护城河可能比宣传的更薄。 OpenMythos 和 Vidoc 的复现工作是不同的。Vidoc 复现了 Mythos 的输出——漏洞发现本身——使用的是现有模型。OpenMythos 则试图复现架构——产生这些输出的实际机器。一个观点是你不需要 Mythos 就能找到 Mythos 发现的漏洞；另一个观点是，最终你可能自己也能构建类似 Mythos 的模型。
Anthropic 几乎肯定不会公开分享 Gomez 的架构猜测，OpenMythos 中的多个设计选择也是明确的保留——readme 文件确保措辞模糊，让用户知道这只是一种方法。它反复提到“可能”、“怀疑”以及“几乎可以确定”。真正的 Mythos 可能根本不是循环变换器，或者它可能是 Gomez 还未逆向工程的细节版本。 OpenMythos 展示的事实是，研究文献中已经包含了大部分关键组成部分。循环变换器、专家混合、多潜在注意力、适应性计算时间、Parcae 的稳定性修复——这些都不是专有的。这个仓库更像是一个关于如何构建 Mythos 级模型的公开知识清单。 该仓库采用 MIT 许可证，已经有2700个分支。训练脚本也在等待拥有GPU集群和论文证明的人来使用。