Claude Mythos di Anthropic batte i test cyber del governo britannico e riesce a portare a termine attacchi mai completati prima da un'AI

Cos’è successo

Il 13 maggio l'AI Security Institute (AISI) britannico ha aggiornato le valutazioni su Mythos Preview, il modello distribuito da Anthropic ai partner di Project Glasswing. I test sono stati svolti sulla versione Glasswing, non un nuovo rilascio pubblico; i test precedenti, invece, riguardavano un checkpoint precedente del modello.

Mythos ha completato entrambi gli ambienti di test cyber dell'istituto, con 6 tentativi riusciti su 10 in "The Last Ones", una sequenza da 32 passaggi, e 3 su 10 in "Cooling Tower", mai chiusa prima da un modello. La società di sicurezza XBOW rileva un progresso simile nell'analisi del codice. Mythos legge con grande precisione, pur avendo ancora bisogno di strumenti di validazione. Il memo di Shapero non cita l'AI; lo fanno però quelli del CPO e della CMO. Tre cambiamenti operativi annunciati: team più piccoli con meno layer, design e ricerca utente da team dedicati a un servizio condiviso centralizzato, e LinkedIn Learning che passa dalla produzione interna a un marketplace dove i creator monetizzano direttamente.

Perché conta

Fino ad ora Mythos era stato soprattutto un caso di governance, tra accesso controllato, uso difensivo e rapporti con governi e aziende; le nuove valutazioni, invece, riportano in primo piano la velocità della curva. Secondo AISI, nella sua suite ristretta, la lunghezza dei compiti cyber completabili autonomamente dai modelli con affidabilità dell'80% stava già raddoppiando ogni 4,7 mesi, ma Mythos (e GPT-5.5) sono andati oltre quella traiettoria.

• Gli ambienti AISI sono piccoli, non difesi, con accesso iniziale già ottenuto. XBOW mostra che un'intuizione nel codice va ancora provata su sistemi vivi, con strumenti e procedure adeguate. Proprio questa prudenza rende però il salto più interessante, perché anche dentro test pensati per restare misurabili i modelli stanno arrivando al bordo dei benchmark disponibili;
• Per aziende e governi, dunque, il problema va oltre il controllo degli accessi. Quando un modello individua falle e collega passaggi d'attacco con sempre meno intervento umano, diventa decisivo il passaggio seguente, per cui ogni vulnerabilità scoperta dall'AI deve diventare in fretta una patch — e poi segnalazione e mitigazione condivisa.

Adesso

• Project Glasswing compra tempo ai difensori, portando capacità già molto forti dentro aziende e fondazioni open source, cioè infrastrutture che devono chiudere falle prima degli avversari — un vantaggio anticipato utile proprio perché fragile;
• Logan Graham, che guida Glasswing, avverte che entro un anno Mythos potrebbe sembrare arretrato e che capacità simili potrebbero arrivare in mani meno caute. La curva AISI dà sostanza a quell'allarme, mostrando una soglia che si muove ancor prima che un modello eccezionale;
• La risposta pubblica dovrà quindi uscire dalla sola conta dei partner ammessi e costruire canali capaci di trasformare la scoperta automatizzata di vulnerabilità in difesa diffusa. Se i modelli comprimono il tempo dell'offesa, la governance deve comprimere quello della correzione.