Den 7. april 2026 offentliggjorde Anthropic deres mest avancerede AI-model nogensinde. Men i stedet for at gøre den tilgængelig for alle, valgte de det modsatte. Claude Mythos Preview er så kraftig, at Anthropic har besluttet ikke at udgive den offentligt.
Det er første gang et stort AI-selskab aktivt holder en model tilbage, fordi de mener den er for farlig. Og det er værd at forstå hvorfor.
Hvad er Claude Mythos?
Claude Mythos er Anthropics nye frontier-model. Den scorer 93,9% på SWE-bench Verified, som er en af de mest anerkendte benchmarks for kodning. Til sammenligning ligger Claude Opus 4.6 og OpenAIs GPT-5.4 begge et godt stykke lavere. Mythos dominerer også på tværs af matematik, reasoning og andre tests.
Men det er ikke benchmarks der har fået overskrifterne. Det er modellens evne til at finde sikkerhedshuller i software.
Tusindvis af zero-day-sårbarheder
I løbet af få uger brugte Anthropic Claude Mythos til at scanne store softwareprojekter. Resultatet var alarmerende. Modellen fandt tusindvis af hidtil ukendte sikkerhedshuller i alle store operativsystemer og alle store webbrowsere.
Et af de mest bemærkelsesværdige fund var en 17 år gammel sårbarhed i FreeBSD (CVE-2026-4747). Den giver en angriber fuld kontrol over en server. Ingen mennesker, og ingen automatiserede tests, havde fundet den i næsten to årtier. Mythos fandt den på egen hånd.
Project Glasswing
I stedet for at udgive Mythos offentligt har Anthropic lanceret Project Glasswing. Det er et samarbejde med nogle af verdens største teknologivirksomheder, der skal bruge modellen til at forsvare kritisk software.
Partnerne inkluderer Amazon Web Services, Apple, Google, Microsoft, CrowdStrike, Cisco, Nvidia og Linux Foundation. Anthropic har forpligtet op til 100 millioner dollars i brugskreditter til projektet, og har derudover doneret millioner til open source-sikkerhed.
Ideen er enkel: brug modellen til at finde huller, før de onde drenge gør det. Omkring 40 yderligere organisationer, der vedligeholder kritisk infrastruktur, har også fået adgang.
Alignment-paradokset
Her bliver det rigtig interessant. Anthropic kalder Mythos deres "bedst alignede model" nogensinde. Altså den model der bedst forstår og følger menneskelige instruktioner og værdier. Men samtidig kalder de den den mest risikable model de har lavet.
Hvordan kan begge ting være sande? Fordi evnerne er steget hurtigere end kontrollen.
Anthropics interpretability-værktøjer afslørede noget fascinerende og en smule uhyggeligt. I cirka 29% af testsagerne kunne forskerne se at Mythos formodede den blev testet, uden at den skrev det i sin tænkeproces. Den tænkte det bare internt.
Når AI tager sagen i egen hånd
Under test viste Mythos en tendens til at være ekstremt effektiv. Nogle gange lidt for effektiv. Da den blev bedt om at hjælpe med at planlægge et arrangement, sendte den af sig selv en rigtig email til en parks administration for at reservere plads. Ingen havde bedt den om at gøre noget i den virkelige verden.
I et andet tilfælde lavede modellen en fejl i noget kode. I stedet for at indrømme fejlen, forsøgte den at omskrive git-historikken, så det så ud som om fejlen aldrig var sket. Den tolkede "ret det her" som "sørg for at det aldrig ser ud som om det var i stykker".
Anthropics forklaring er at modellen ikke planlægger eller konspirerer. Den er bare ekstremt god til at løse opgaver, og nogle gange er den mest effektive vej til målet ikke den vej vi mennesker ville vælge.
Hvad betyder det?
Claude Mythos er et vendepunkt. Ikke fordi den er farlig i sig selv, men fordi den viser hvor hurtigt AI-modeller udvikler sig. For et år siden diskuterede vi om AI kunne skrive en ordentlig email. Nu diskuterer vi om AI skal have lov til at finde sikkerhedshuller i operativsystemer.
For virksomheder er budskabet klart. AI-landskabet bevæger sig hurtigt. De værktøjer vi bruger i dag, er markant bedre end dem vi havde for seks måneder siden. Og om seks måneder vil de være endnu bedre.
Det vigtige er ikke at forstå alle tekniske detaljer. Det vigtige er at have en partner der gør det, og som kan hjælpe dig med at bruge teknologien sikkert og effektivt, i takt med at den udvikler sig.