Anthropic собирается вывести модель Mythos в общий доступ, хотя прямо признает: надежных защит от злоупотребления такими системами у индустрии пока нет. Для разработчиков, безопасников и ИТ-руководителей это неприятный, но полезный сигнал: инструменты поиска уязвимостей уже работают на уровне, при котором узким местом становится не обнаружение багов, а скорость их исправления.
О планах компании сообщает The Register со ссылкой на обновление программы Project Glasswing. Речь идет о доступе к ИИ-модели, которую Anthropic в апреле 2026 года показала как особенно сильный инструмент для поиска уязвимостей в коде. Тогда компанию хватило на довольно редкий для рынка жест: вместо широкого запуска она ограничила использование Mythos несколькими доверенными организациями, опасаясь, что открытый доступ слишком быстро превратит модель в рабочий инструмент для киберпреступников. Теперь Anthropic пишет, что намерена расширить Project Glasswing на новых партнеров, включая правительственные структуры США и союзников, а затем в «обозримом будущем» выпустить модель Mythos шире — если удастся выстроить существенно более жесткие защитные барьеры.
Здесь важна не только сама формулировка про будущий релиз, но и признание масштаба проблемы. Anthropic прямо говорит, что сейчас ни одна компания, включая ее саму, не создала safeguards, которые действительно предотвращают вредоносное использование таких моделей. То есть индустрия уже умеет делать ИИ, который хорошо ищет дыры в ПО, но еще не умеет надежно ограничивать его так, чтобы он не работал на обе стороны рынка. Это честная, хотя и не слишком успокаивающая оценка. На фоне многомесячного маркетинга вокруг «ответственного ИИ» звучит она куда трезвее большинства презентаций.
Цифры у Anthropic тоже неприятно конкретные. Компания сообщает, что прогнала Mythos по более чем 1000 open source-проектов, на которых, по ее словам, держится значительная часть интернета и собственной инфраструктуры Anthropic. Результат — примерно 23 019 найденных уязвимостей, из них 6202 компания оценила как high или critical severity. После ручной проверки, воспроизведения и повторной оценки 1752 уязвимостей из этой выборки 90,6 процента подтвердились как реальные проблемы. А 1094 случая, или 62,4 процента от проверенных, остались в категориях high или critical. Для рынка это, пожалуй, важнее любых разговоров о будущем релизе: модель Mythos уже показывает, что объем технического долга и скрытых дефектов в привычном open source-стеке намного больше, чем хотелось бы думать.
Есть и показательный пример. Одну из критических уязвимостей Mythos нашла в криптографической библиотеке wolfSSL, которая используется, по данным Anthropic, на миллиардах устройств. Компания утверждает, что предварительная версия модели смогла построить эксплойт, позволяющий подделывать сертификаты. В практическом сценарии это означало бы возможность поднять фальшивый сайт банка или почтового сервиса так, чтобы для конечного пользователя он выглядел легитимно. Патч для wolfSSL уже выпущен, а детали Anthropic пообещала раскрыть позже; ориентиром для отслеживания назван CVE-2026-5194. Это как раз тот случай, когда разговор об ИИ в безопасности перестает быть абстракцией про «ускорение работы аналитиков» и упирается в очень приземленный вопрос: сколько еще подобных находок уже лежит в очереди на разбор.
Рынок реагирует нервно не на пустом месте. Еще после первых новостей о Mythos власти Японии запустили масштабную проверку безопасности, а индийские регуляторы потребовали ускоренного патчинга в финансовом секторе. Паника, возможно, слишком сильное слово, но тенденция видна: даже если доступ к лучшим моделям ограничен, само их существование меняет модель угроз. Безопасникам приходится исходить из того, что атакующие тоже будут использовать ИИ для массового поиска слабых мест — пусть не Mythos, так менее мощные, но все равно полезные системы. Для защитников это означает неприятный сдвиг. Раньше уязвимости часто упирались в дефицит человеческого времени и экспертизы. Теперь этот дефицит начинает сжиматься со стороны нападающих быстрее, чем со стороны команд, которые должны чинить найденное.
На этом фоне особенно интересны отзывы участников Project Glasswing. По данным The Register, пользователи программы говорят, что Mythos быстро находит много багов, но далеко не всегда такие, до которых человек не добрался бы сам при достаточном времени и ресурсах. Иначе говоря, магии не случилось: ИИ не отменил работу исследователей безопасности, а резко поднял пропускную способность на этапе поиска и первичной сортировки. Проблема в другом — количество находок местами просто перегружает команды, которые должны выпускать исправления. Anthropic фактически подтверждает это и в работе с open source-сообществом: некоторые мейнтейнеры попросили компанию снизить темп disclosure, потому что они физически не успевают проектировать и выкатывать патчи. На разработчиков и maintainers уже сыплются низкокачественные AI-generated bug reports, а тут сверху приходит поток находок, где значительная часть еще и настоящая.
Показательна и статистика по исправлениям. Из 530 high- и critical-багов, о которых Anthropic уже сообщила разработчикам, исправлены 75, а публичные advisory выпущены для 65. Формально цифра выглядит скромно, но компания напоминает, что еще находится в пределах 90-дневного окна coordinated vulnerability disclosure. Часть патчей, вероятно, еще выйдет, а часть могла уйти в релизы без отдельного публичного объявления. Но для бизнеса это слабое утешение. Если ИИ-системы будут и дальше наращивать темп обнаружения, вендоры и open source-команды упрется не в поиск проблем, а в приоритизацию, triage, QA, релизные циклы и коммуникацию с пользователями. То есть bottleneck смещается из исследовательской части в операционную.
Для русскоязычной ИТ-аудитории здесь несколько прямых выводов. Во-первых, безопасная разработка окончательно перестает быть задачей «на потом»: если ваш стек зависит от популярных библиотек, вероятность чужого массового сканирования уже не теоретическая. Во-вторых, стоимость владения open source-компонентами растет не из-за лицензий, а из-за необходимости быстрее проверять, обновлять и откатывать зависимости. В-третьих, командам AppSec, DevSecOps и платформенной разработки придется автоматизировать не только поиск уязвимостей, но и всю цепочку после него — от дедупликации и валидации до подготовки патчей и регрессионного тестирования. Ирония в том, что рецепт Anthropic для перегруженной экосистемы предсказуем: использовать еще больше ИИ, в том числе возможности Claude для помощи разработчикам. Логика понятна, но она же подталкивает рынок к новой гонке вооружений, где обе стороны лечат проблемы дополнительной автоматизацией.
Главный вопрос теперь не в том, выпустит ли Anthropic модель Mythos публично, а в том, успеет ли индустрия перестроить процессы до того, как такие инструменты станут нормой. Если поиск уязвимостей превращается в массовую вычислительную задачу, то выигрывать будут не те, кто громче говорит об «ответственном ИИ», а те, кто научится быстро подтверждать, чинить и раскатывать исправления в инфраструктуре, где багов внезапно стало видно намного больше.