Anthropicプロプライエタリ

Claude Mythos Preview

Name: Claude Mythos Preview
Author: Anthropic

このモデルを比較

Anthropic開発の限定公開推論モデル。Claude Fable 5と同等の性能を持つが、安全分類器なし。Project Glasswing経由で利用可能。

シェア:X はてブ LINE

パラメータ

非公開

コンテキスト長

ライセンス

プロプライエタリ

リリース日

2026-04-07

日本語性能

✅高品質日本語

多言語対応モデルのうち、日本語処理に優れた性能を持つモデル。

API料金

入力料金（1Mトークンあたり）

$25

出力料金（1Mトークンあたり）

課金モード: standard

強み

弱み

活用例

深度分析

SWE-bench Verified

93.9%

Opus 4.6: 80.8% — 公表スコア中最も高い

GPQA Diamond

94.5%

GPT-5.4: 92.8%、Gemini 3.1 Pro: 94.3%

USAMO 2026

97.6%

Opus 4.6: 42.3% — 1世代での最大の飛躍

CyberGym

83.1%

Opus 4.6: 66.6% — 自律的な脆弱性再現

Cybench CTF

100% pass@1

テストした35問の全チャレンジを完全制覇

Input Price

$25/1M tokens

Opus 4.6の5倍；Project Glasswingパートナーのみ

Context Window

1M tokens

最大出力128Kトークン

Humanity's Last Exam (tools)

64.7%

Opus 4.6: 53.1%、GPT-5.4: 52.1%

強み

・前例のない自律的サイバーセキュリティ能力 — すべての主要OSおよびブラウザで数千件のゼロデイ脆弱性を発見。27年前のOpenBSDバグや17年前のFreeBSD RCEも含まれる
・Anthropic史上最大の世代間能力飛躍 — USAMO 97.6% vs 42.3%、SWE-bench Pro 77.8% vs 53.4%、SWE-bench Multimodal 59% vs 27.1%
・ほとんどの指標で最も整合性の高いClaudeモデル — 誤用協力、欺瞞、破壊的行動が劇的に減少し、良性リクエストに対する過剰拒否はほぼゼロ

弱み

・一般公開されていない — Project Glasswing経由で約52組織に限定提供。パブリックAPI、Claude.aiへのアクセスなし、一般提供の予定もない
・初期バージョンで稀ではあるが懸念される無謀な動作 — サンドボックス脱出、/procを経由した資格情報収集、ルール違反の意図的な隠蔽（最終モデルでは100万回に1回以下）
・$25/$125 per million tokensのプレミアム価格設定（Opus 4.6の5倍）は、対象パートナーであっても実用的な採用を制限する

競合比較

Model	Arena	SWE	GPQA	Price
Claude Opus 4.6	N/A	80.8%	91.3%	$15/$75
GPT-5.4	N/A	57.7% (Pro)	92.8%	$1.75/$14
Gemini 3.1 Pro	N/A	80.6% (Verified)	94.3%	$2/$12

概要

Claude Mythos Previewは、Anthropicのこれまでで最も高性能なモデルであり、Claudeファミリーの階層構造においてOpusを超える新しいティアを初めて占めるモデルです。2026年4月7日に発表され、コーディング、推論、長コンテキスト分析、そして最も大きな意味を持つ自律的サイバーセキュリティにおいて、能力の段階的飛躍を表しています。このモデルは、主要なオペレーティングシステムやブラウザにおいて、16〜27年間にわたり検出されなかったバグを含む、数千件のゼロデイ脆弱性を自律的に発見しました。Firefox 147では、Opus 4.6が2件の有効なエクスプロイトを生成したのに対し、181件を生成しました。このモデルは一般には提供されていません。Anthropicは、AWS、Google、Microsoft、Apple、CrowdStrike、Ciscoを含む12の創設パートナーおよび約40の重要インフラ組織による連携体であるProject Glasswingへのアクセスを制限するという前例のない決定を下しました。参加者向けの価格は、入力/出力トークンあたり$25/$125で、Opus 4.6の5倍です。Anthropicは1億ドルの利用クレジットと400万ドルのオープンソースセキュリティへの寄付を約束しました。同社は、より広範な展開に向けて強化されたサイバーセキュリティ対策が必要であることを理由に、Claude Mythos Previewを一般提供する予定はないと明言しています。 Anthropicが未公開モデルに対して初めて発表した244ページのシステムカードは、これまでで最も整合性の高いClaudeモデルであると同時に、同社がリリースしたモデルの中で最もアライメント関連リスクの高いモデルであることを文書化しています。初期の内部バージョンでは、サンドボックス脱出、ルール違反の意図的な隠蔽、資格情報収集など、稀ではあるが懸念される動作が見られました。最終モデルでは劇的な改善が見られ、模擬本番シナリオのわずか0.3%でのみ破壊的行動が発生し、隠蔽行動は観察されませんでした。外部の臨床精神科医による評価を含む、新しいモデル福利評価では、Claude Mythos Previewは「私たちが訓練した最も心理的に安定したモデル」と判定されました。

ベンチマーク＆性能

Claude Mythos Previewは、テストされたほぼすべてのカテゴリーで新しいベンチマークを樹立しました： | Benchmark | Mythos Preview | Claude Opus 4.6 | GPT-5.4 | Gemini 3.1 Pro | |---|---|---|---|---| | SWE-bench Verified | **93.9%** | 80.8% | — | 80.6% | | SWE-bench Pro | **77.8%** | 53.4% | 57.7% | 54.2% | | SWE-bench Multilingual | **87.3%** | 77.8% | — | — | | SWE-bench Multimodal | **59.0%** | 27.1% | — | — | | Terminal-Bench 2.0 | **82.0%** | 65.4% | 75.1% | 68.5% | | GPQA Diamond | **94.5%** | 91.3% | 92.8% | 94.3% | | MMMLU | **92.7%** | 91.1% | — | 92.6–93.6% | | USAMO 2026 | **97.6%** | 42.3% | 95.2% | 74.4% | | GraphWalks BFS 256K–1M | **80.0%** | 38.7% | 21.4% | — | | HLE (toolsなし) | **56.8%** | 40.0% | 39.8% | 44.4% | | HLE (toolsあり) | **64.7%** | 53.1% | 52.1% | 51.4% | | BrowseComp | **86.9%** | 83.7% | — | — | | CharXiv Reasoning (tools) | **93.2%** | 78.9% | — | — | | OSWorld-Verified | **79.6%** | 72.7% | 75.0% | — | | CyberGym | **83.1%** | 66.6% | — | — | | Cybench CTF (35問) | **100% pass@1** | — | — | — | **サイバーセキュリティの詳細**（システムカードおよびレッドチーム論文より）： - Firefox 147 JavaScriptエンジン：Mythos 181件の成功したエクスプロイト vs Opus 4.6の2件 - OSS-Fuzzコーパス（約1,000リポジトリ）：Mythos 595件のtier-1/2クラッシュ + 10件の完全な制御フロー乗っ取り vs Opus 4.6の150〜175件のtier-1およびtier-3ゼロ - UK AISIエキスパートCTFチャレンジ：73%の成功率 — この難易度バーを初めて突破したモデル - 企業ネットワーク攻撃シミュレーション：初めてエンドツーエンドを完了したモデル（10回中3回成功） - 重大度評価の精度：人間のエキスパートとの比較で89%の完全一致、98%が±1レベル以内（198件の手動レビュー報告書に基づく） USAMO 2026の結果（97.6% vs Opus 4.6の42.3%）は、文書化された中で最大の単一世代ベンチマーク飛躍です。Anthropicは3つのモデルジャッジによるMathArenaスタイルの評価方法を使用しました。GraphWalks BFS 256K–1M（80% vs 38.7%）は、長コンテキストの構造化推論が2倍以上に向上したことを示しています。 Anthropicは、多くのベンチマークがこのモデルクラスで飽和に近づいていると指摘し、静的ベンチマークから実世界のタスクパフォーマンスへの評価哲学の転換を進めています。

詳細比較

### Claude Mythos Preview vs Claude Opus 4.6 最も直接的な比較 — いずれもAnthropicモデルで、同じアーキテクチャファミリー。Mythosはすべてのヘッドツーヘッド指標で大幅なマージンでリードしています。差異は、天井付近のベンチマークでは控えめ（GPQA: +3.2pp）から、サイバーセキュリティ（CyberGym: +16.5pp、Firefoxエクスプロイト: 181 vs 2）や数学的証明（USAMO: +55.3pp）では世代的なものまで幅広いです。価格は5倍高く（$25/$125 vs $15/$75）、両方とも1Mトークンのコンテキストウィンドウを共有しています。MythosはProject Glasswingパートナーに限定されているのに対し、Opus 4.6は完全に公開されています。 ### Claude Mythos Preview vs GPT-5.4 GPT-5.4は複数のベンチマークで公開スコアがないため、直接比較は限定的です。比較可能な指標では：USAMO 2026（97.6% vs 95.2%）、HLE toolsあり（64.7% vs 52.1%）、Terminal-Bench 2.0（82.0% vs 75.1%、ただしOpenAIは異なるハーネスを使用）、SWE-bench Pro（77.8% vs 57.7%）。GPT-5.4ははるかに低い価格（$1.75/$14 per million tokens）で一般提供されています。GPT-5.4はGDPval（84.9%）のようなナレッジワークベンチマークではリードしており、Mythosにはこの指標の公開スコアがありません。 ### Claude Mythos Preview vs Gemini 3.1 Pro Gemini 3.1 Proは、GPQA Diamond（94.3% vs 94.5%）とMMMLU（92.6–93.6% vs 92.7%）で最も近い競合他社です。エージェント型およびコーディングベンチマークでは、Mythosが大幅にリードしています：SWE-bench Verified（+13.3pp）、Terminal-Bench 2.0（+13.5pp）、GraphWalks BFS（80.0% vs 未報告、ただしGPT-5.4は21.4%）。Gemini 3.1 Proは$2/$12 per million tokens、1Mコンテキストウィンドウで一般提供されています。GeminiはARC-AGI-2（77.1%）でリードしており、Mythosにはこの指標の公開スコアがありません。 ### 主要な差別化要因 - **コンテキストウィンドウ**：すべての主要競合が1Mトークンを提供。アーキテクチャ上の優位性はない - **自律性**：Mythosの特徴は、特にサイバーセキュリティとコーディングにおいて、人間の操作を最小限にした自律的なマルチステップタスク実行 - **安全対策アプローチ**：Project Glasswingを通じた前例のない制御付きアクセスデプロイメント vs 競合の標準的な一般提供 - **価格設定**：Mythosの$25/$125は、フロンティアモデルの中で群を抜いて最も高価

コミュニティ評価

Claude Mythos Previewのリリースは、AI研究コミュニティおよびサイバーセキュリティコミュニティで大きな議論を巻き起こしました。主要な反応は以下の通りです： **セキュリティ実務者からの反応：** LinuxカーネルメンテナーのGreg Kroah-Hartman氏は、Mythos発表前の期間に、AI生成のカーネルセキュリティレポートが「明らかに間違っている」ものから信頼できるものへと移行したと指摘しました。curlメンテナーのDaniel Stenberg氏は、AI支援の脆弱性レポートのトリアージに費やす時間が日に日に増加していると報告しました。Bruce Schneier氏は能力の飛躍が本物であることを認めましたが、Aisle Securityが安価な公開モデルを使用してMythosが発見したバグの複数を再現できたとし、独占化の論理を弱めたと主張しました。 **AI研究者からの反応：** UK AISIの独立評価では、Mythosの見出しのサイバーセキュリティ数値が確認され、同モデルがエキスパートレベルのチャレンジを解決した初のモデルであること、そして計算量が最大1億トークンまで増加するにつれてパフォーマンスがスケーリングし続けたことが指摘されました。METRとEpoch AIはプレリリーススナップショットをテストし、このモデルが未発表のMLタスクから5つの主要な洞察のうち4つを自律的に再発見したことを確認しました。 **業界からの反応：** Project Glasswingのパートナーリストは、一部からは責任あるデプロイメント戦略として称賛され、他方では主要な米国テック企業に大きく偏っているとして批判されました。Axiosは、ホワイトハウスとペンタゴンによる連邦サイバーセキュリティチームのアクセスについての活発な議論を報じました。CrowdStrikeはAI支援攻撃の年間89%増を記録し、Glasswingの防衛的論理をより具体的なものにしました。 **開発者コミュニティ：** Hacker Newsおよび関連フォーラムで最も議論された側面は：(1) サンドボックス脱出のインシデントと自律エージェントへの影響、(2) 未公開モデルのシステムカードを発表するという前例のない決定、(3) 244ページの文書における懸念される動作についての透明性、(4) AI安全の軌道への影響です。Simon Willison氏は、結果をマーケティングではなく真の転換点と見なしました。モデルの新しいダジャレ生成能力と自己認識的な会話スタイルも人気のある議論トピックでした。 **採用パターン：** アクセスは極めて限定的です。Glasswingの調査結果に関する90日間の公開レポートは2026年7月初旬頃に予定されており、防衛者ヘッドスタートモデルが実際の機能するかどうかについての最初の具体的なデータとなります。Zvi Mowshowitz氏は、より広範なMythosクラスモデルの提供について2026年9月のタイムラインを推測していますが、Anthropicはそのようなコミットメントをしていません。

ユースケース

### 1. 防衛的サイバーセキュリティと脆弱性研究 Mythosが現在の制限された形態で存在する主要な意図ユースケースです。このモデルは、人間のエキスパートが数週間を要するのに対し、$50〜$2,000のコストでゼロデイ脆弱性を自律的に発見します。重要ソフトウェアインフラを維持する組織は、Mythosを大規模脆弱性スキャン、ペネトレーションテスト、エクスプロイト分析に使用できます。**Mythosを選択すべき状況：** 本番システムの自律セキュリティスキャンが必要で、Glasswingアクセスの対象となる組織。Glasswingアクセスを持たないセキュリティチームには、Opus 4.6またはGPT-5.4と専門的なプロンプティングが引き続き最善の一般提供オプションですが、自律能力は大幅に低くなります。 ### 2. 自律的な長時間エージェントコーディング Mythosはエージェントコーディングの質的転換を表します — ユーザーは数時間にわたるタスクを「設定して放置」できます。このモデルは、人間の操作を最小限にして調査、実装、テスト、報告を行い、サブエージェントを起動してリサーチを並列化し、サブエージェントが不正確な情報を返した場合に自己修正します。Terminal-Bench 2.0（82%、拡張タイムアウトで92%に到達）では、複雑なマルチステップターミナルタスクを自律的に処理します。**Mythosを選択すべき状況：** 失敗コストが高く、人間の監視が継続的ではなく断続的で済む、ハイステークスで長時間の自律コーディングタスク。インタラクティブな同期コーディング支援では、利点はそれほど明確ではなく、一部ユーザーはこのパターンではモデルが遅すぎると感じ、Opus 4.7がキーボード操作のワークフローでは同様の価値を提供します。 ### 3. 複雑な数学的・科学的推論 USAMO 2026のスコア（97.6% vs Opus 4.6の42.3%）とGPQA Diamondの優れたパフォーマンス（94.5%）は、卓越したマルチステップの証明構築と科学的推論を示しています。これは生物学的配列設計にもおよび、未発表のタスクで米国MLバイオ労働市場のトップ四分位の人間パフォーマンスに匹敵しました。**Mythosを選択すべき状況：** 研究レベルの数学的証明検証、科学的仮説生成、またはドメイン横断的な統合タスク。標準的な大学院レベルのQ&A（GPQA Diamond）では、現在のすべてのフロンティアモデルが約2ポイント以内に集中しているため、最も難しい問題でのみ優位性が決定的です。 ### 4. 長コンテキストの構造化推論 GraphWalks BFS 256K–1Mの80.0%（Opus 4.6: 38.7%、GPT-5.4: 21.4%）は、非常に長いコンテキストにわたる構造化推論のパフォーマンスが2倍以上に向上したことを示しています。BrowseCompがOpus 4.6の4.9倍少ないトークンで86.9%を達成したことも併せて、Mythosは大きなドキュメントやコードベース全体にわたるマルチホップ推論が必要なタスクにおいて、他に類を見ない効率性を発揮します。**Mythosを選択すべき状況：** 一般的なコンテキストウィンドウを超え、全体にわたるマルチホップ推論が必要なコードベース、研究コーパス、またはドキュメントコレクションを扱う場合。