Claude Mythos acaba de cambiar la ciberseguridad para siempre
Un bug de 27 años. Oculto en OpenBSD — ampliamente considerado como el sistema operativo más blindado en seguridad del planeta. Pasado por alto por cada investigador humano, cada escáner automatizado, cada fuzzer, cada tester de penetración que tocó esa base de código durante casi tres décadas.
Claude Mythos de Anthropic lo encontró en horas.
No mediante algún truco ingenioso o técnica novedosa. El modelo ni siquiera fue entrenado para trabajo de ciberseguridad. Anthropic construyó Mythos para escribir código excepcionalmente bien, y el efecto secundario — la consecuencia accidental de crear algo brillante para construir software — fue que se volvió igualmente brillante para desmontar software.
Esa paradoja es lo que hace que esta historia sea genuinamente inquietante. Y genuinamente emocionante. Porque lo que Anthropic tiene ahora mismo no es solo una herramienta mejor. Es una capacidad que podría redefinir quién tiene la ventaja en ciberseguridad — atacantes o defensores — durante la próxima década.
He estado siguiendo los lanzamientos de modelos de IA obsesivamente desde que empecé a construir con Claude Code a tiempo completo. Hice una reseña de Opus 4.6 cuando se lanzó y pasé semanas probando sus límites. Escribí sobre asegurar agentes de IA después de casi destruir mi propia infraestructura con una configuración autónoma mal configurada. Así que cuando Anthropic anunció Mythos y Project Glasswing el 7 de abril de 2026, no solo leí el comunicado de prensa — profundicé en las divulgaciones técnicas, los datos de benchmarks, la lista de socios y las preguntas incómodas que nadie en la cobertura del lanzamiento parecía dispuesto a hacer.
Esto es lo que encontré. Y esto es por lo que creo que cada desarrollador, no solo los especialistas en seguridad, necesita prestar atención.
El problema del cerrajero: por qué un modelo de codificación lo rompe todo
La analogía que Anthropic sigue usando internamente es la analogía del cerrajero, y es lo suficientemente acertada como para que quiera desarrollarla correctamente.
Entrenas a alguien para construir las cerraduras más intrincadas y precisas imaginables. Entienden los mecanismos internos a nivel molecular — cada pin, cada pestillo, cada tolerancia. En algún momento, ese conocimiento cruza un umbral. La persona no solo entiende cómo construir cerraduras. Entiende cómo derrotarlas.
Claude Mythos no fue entrenado con bases de datos de exploits. No fue alimentado con informes CVE ni metodologías de pruebas de penetración. Anthropic lo entrenó para escribir código excepcional — para entender el software a una profundidad que los modelos anteriores no podían igualar. Y en algún lugar de ese entrenamiento, Mythos desarrolló una capacidad emergente: podía mirar código y ver las debilidades estructurales que los humanos han estado pasando por alto durante años.
Esta es la parte que debería hacerte prestar atención. Las capacidades de ciberseguridad no fueron una característica. Fueron un efecto secundario. Anthropic no se propuso construir una IA de hacking. Se propusieron construir una mejor IA de codificación, y el hacking vino gratis.
Las implicaciones son incómodas para cualquiera que haya asumido que las amenazas de ciberseguridad de la IA vendrían de modelos específicamente diseñados para seguridad ofensiva. No será así. Vendrán de modelos que son simplemente muy, muy buenos entendiendo código.
¿Esa vulnerabilidad de OpenBSD de 27 años? Estaba en la implementación SACK — el mecanismo TCP Selective Acknowledgment. Mythos identificó que un adversario podía hacer caer cualquier host OpenBSD que respondiera por TCP explotando un fallo en cómo se procesaban las opciones SACK. Ningún humano participó en el descubrimiento ni en la cadena de exploits después de la instrucción inicial. El modelo lo encontró, lo entendió y lo demostró de forma autónoma.
Y OpenBSD no fue el único objetivo.
Los números que me hicieron dejar de hacer scroll
He cubierto muchos benchmarks de IA en este sitio. La mayoría son interesantes durante unos cinco minutos antes de que el siguiente modelo supere al líder. Pero los resultados de benchmark de Mythos no son solo incrementalmente mejores — representan una brecha lo suficientemente amplia como para calificar como una categoría diferente.
En SWE-bench Verified, la medida principal de la industria para la capacidad de ingeniería de software del mundo real, Mythos obtuvo un 93,9%. Para contextualizar: Opus 4.6 — el modelo que uso a diario y que genuinamente aprecio — obtiene un 80,8%. Eso es una brecha de 13,1 puntos. En un benchmark donde los modelos han estado peleando por fracciones de punto porcentual durante el último año, Mythos saltó un nivel entero.
SWE-bench Pro — el nivel más difícil de ese benchmark, donde los problemas requieren razonamiento de múltiples pasos a través de bases de código complejas — cuenta una historia aún más dramática. Mythos: 77,8%. Opus 4.6: 53,4%. Eso no es una ganancia incremental. Es la diferencia entre un desarrollador junior y un arquitecto senior.
En SWE-bench Multilingual, que evalúa la comprensión de código en diferentes lenguajes de programación: Mythos 87,3%, Opus 4.6 en 77,8%.
Pero el número que más importa para esta conversación es el benchmark CyberGym — una evaluación especializada que mide la capacidad de un modelo para identificar y explotar vulnerabilidades de software. Mythos obtuvo un 83,1%. Opus 4.6 obtuvo un 66,6%. Una brecha de 16,5 puntos en un benchmark específico de ciberseguridad.
Para poner ese 83,1% en perspectiva: la evaluación CyberGym incluye tareas que investigadores de seguridad profesionales — personas que hacen esto para ganarse la vida, con años de experiencia — no resuelven consistentemente. Mythos no solo es competitivo con expertos humanos. En un subconjunto significativo de estas tareas, los supera.
Ese es el punto donde esto dejó de ser una historia interesante de benchmarks y empezó a ser una historia sobre el futuro de toda la industria de la ciberseguridad.
Los bugs que los humanos no pudieron encontrar
Los benchmarks son abstracciones. Lo que me convenció de que esto era real fueron las vulnerabilidades específicas que Mythos encontró en software de producción que miles de millones de personas usan cada día.
El bug SACK de OpenBSD (27 años)
Ya mencioné este, pero los detalles importan. Toda la reputación de OpenBSD está construida sobre la seguridad. Su proceso de desarrollo incluye auditorías de código rigurosas. Su equipo dirige uno de los proyectos de código abierto más paranoicos y conscientes de la seguridad que existen. El proyecto OpenBSD ha tenido solo dos agujeros remotos en su instalación predeterminada a lo largo de toda su historia — ese es el eslogan de marketing por el que son famosos.
Mythos encontró un bug de caída remota en esta base de código. No en algún subsistema oscuro y raramente utilizado. En la pila TCP — uno de los fragmentos de código de red más exhaustivamente examinados del sistema operativo. La vulnerabilidad había estado ahí desde aproximadamente 1999, a través de cientos de auditorías de código, a través de décadas de la cultura de desarrollo más consciente de la seguridad en el código abierto.
Ninguna herramienta automatizada lo encontró. Ningún investigador humano lo encontró. Un modelo de IA entrenado para escribir buen código lo encontró como efecto secundario de entender cómo se ve el buen código.
La vulnerabilidad de FFmpeg (16 años)
Esta es técnicamente más impresionante, y aquí está la razón. FFmpeg es la columna vertebral del procesamiento de video en internet. Si has visto un video en línea en la última década, FFmpeg probablemente lo tocó en algún momento. Netflix lo usa. YouTube lo usa. VLC, OBS, Handbrake — la lista es enorme.
La vulnerabilidad que Mythos descubrió había sido pasada por alto a pesar de que las herramientas de pruebas automatizadas golpearon la línea de código relevante cinco millones de veces. Cinco millones. Los fuzzers corrieron. Los analizadores estáticos corrieron. Las suites de pruebas cubrieron la ruta de código. Y el bug sobrevivió a todo porque no era el tipo de vulnerabilidad que las herramientas de coincidencia de patrones detectan.
Esta es la perspectiva crítica: los escáneres de vulnerabilidades tradicionales buscan patrones conocidos. Comparan contra bases de datos de tipos de vulnerabilidades conocidas. Verifican desbordamientos de búfer, inyecciones SQL, condiciones de uso después de liberación — el catálogo de clases de ataque conocidas.
Mythos no hace coincidencia de patrones. Entiende el código. Razona sobre lo que el código debería hacer, lo que realmente hace, y dónde la brecha entre esas dos cosas crea una condición explotable. Ese es un enfoque fundamentalmente diferente, y captura una clase de bugs completamente distinta.
Escalación de privilegios en Linux
Mythos también identificó bugs en el kernel de Linux que permiten la escalación de privilegios — la capacidad de un usuario regular de obtener acceso root. Los detalles específicos aún están bajo divulgación responsable, que es exactamente como debería funcionar. Pero el patrón es consistente: bugs antiguos, código bien auditado, pasados por alto por cada método existente.
Encadenamiento de vulnerabilidades
Aquí está la parte que genuinamente me perturbó. Mythos no solo encuentra vulnerabilidades individuales de forma aislada. Las encadena. Toma múltiples problemas pequeños, aparentemente de baja severidad — el tipo que se marcaría como "baja prioridad" en una auditoría de seguridad típica — y los combina en rutas de ataque completas.
Una pequeña divulgación de información aquí. Una condición de carrera allá. Un permiso de archivo ligeramente permisivo en otro lugar. Individualmente, ninguno de estos activaría una alarma. Juntos, forman una cadena de ataque completa desde el acceso inicial hasta el compromiso total del sistema.
Así es exactamente como operan los atacantes humanos sofisticados. No dependen de exploits dramáticos individuales. Encadenan pequeñas debilidades. Y ahora una IA puede hacerlo de forma autónoma, más rápido que cualquier equipo humano.
La pregunta a la que sigo volviendo: si el modelo de Anthropic puede hacer esto, ¿de qué son capaces otros modelos — los que se están desarrollando sin el marco de seguridad de Anthropic? Volveremos a ese pensamiento incómodo en un momento.
Project Glasswing: la apuesta de $100 millones por la defensa
Anthropic hizo algo que genuinamente respeto con el anuncio de Mythos. Podrían haberlo lanzado públicamente — imagina la cobertura de prensa, los derechos de alardear sobre benchmarks, los ingresos de API. En cambio, miraron lo que habían construido, entendieron las implicaciones de uso dual y eligieron la restricción.
Project Glasswing es el resultado. Anunciado el 7 de abril de 2026, es un programa de despliegue estructurado que pone a Mythos en manos de los defensores mientras lo mantiene alejado del público general. La lista de socios se lee como un quién es quién de la infraestructura tecnológica:
- Amazon (AWS) — seguridad de infraestructura en la nube
- Apple — seguridad de dispositivos y ecosistema
- Broadcom — semiconductores y software empresarial
- Cisco — infraestructura de redes
- CrowdStrike — seguridad de endpoints e inteligencia de amenazas
- Google — servicios en la nube y para consumidores
- JPMorganChase — seguridad del sistema financiero
- Linux Foundation — cadena de suministro de software de código abierto
- Microsoft — sistemas operativos y plataformas en la nube
- Nvidia — infraestructura GPU y sistemas de IA
- Palo Alto Networks — seguridad de redes
Esos son 12 socios principales, con más de 40 organizaciones adicionales obteniendo acceso bajo diferentes niveles de restricción. El modelo se utilizará para escanear tanto sistemas de software propios como de código abierto en busca de vulnerabilidades de código.
El compromiso financiero es sustancial. Anthropic aporta $100 millones en créditos de uso para trabajo de seguridad defensiva. Además, $4 millones en donaciones directas a organizaciones de seguridad de código abierto — $2,5 millones a Alpha-Omega y OpenSSF a través de la Linux Foundation, y $1,5 millones a la Apache Software Foundation.
Los $100 millones en créditos no son caridad. Ejecutar un modelo de este tamaño contra bases de código masivas cuesta poder de cómputo real. Pero la señal que envía importa: Anthropic está subsidiando el uso defensivo de una capacidad que sería enormemente rentable si se vendiera al mejor postor.
También hay un compromiso de transparencia. Anthropic ha declarado que compartirá públicamente los aprendizajes de Project Glasswing dentro de 90 días. No las vulnerabilidades en sí — eso sería irresponsable — sino las metodologías, patrones y perspectivas defensivas que surjan de tener un modelo de esta capacidad escaneando código de producción a escala.
Si prefieres que un equipo profesional evalúe la postura de seguridad de tu organización mientras estas capacidades de IA maduran, trabajo con xCyberSecurity exactamente en este tipo de proyectos — evaluaciones de vulnerabilidades, pruebas de penetración y auditorías de seguridad que tienen en cuenta el nuevo panorama de amenazas de IA.
Por qué creo que esto cambia la ecuación para cada desarrollador
Aquí es donde quiero ser personal, porque esta historia no es solo sobre Anthropic y sus socios. Es sobre ti y yo y todos los que estamos escribiendo código ahora mismo.
He estado pensando de manera diferente sobre mis propias bases de código desde el anuncio de Mythos. No porque mi código sea especial — porque no lo es. Sino porque el modelo de seguridad bajo el que he estado operando, el que la mayoría de los desarrolladores usa, acaba de volverse obsoleto.
Ese modelo funciona así: escribes código, ejecutas tu linter, usas Dependabot para detectar vulnerabilidades conocidas en dependencias, quizás pagas por una herramienta de análisis estático como Snyk o SonarQube, y si eres serio, haces una prueba de penetración una vez al año. Aceptas un cierto nivel de riesgo residual porque encontrar cada vulnerabilidad es teóricamente imposible.
Mythos acaba de demostrar que no es imposible. Es un problema de capacidad de cómputo.
¿El bug de FFmpeg de 16 años que sobrevivió cinco millones de pruebas automatizadas? Existía porque las herramientas de prueba no entendían el código — solo ejecutaban entradas y verificaban salidas. Mythos entendió el código. Ese es el cambio. Estamos pasando de probar a entender, y las implicaciones se propagan por cada capa de cómo pensamos sobre la seguridad del software.
Qué significa esto si eres un desarrollador independiente
Tus dependencias acaban de convertirse en tu mayor responsabilidad. No las nuevas dependencias — las que has tenido durante años y sobre las que dejaste de pensar. Las bibliotecas maduras, "probadas en batalla", que todos usan porque llevan existiendo desde siempre. Ahí es exactamente donde Mythos está encontrando bugs, porque la longevidad creó una falsa sensación de seguridad.
El consejo práctico: estate atento a los parches durante los próximos 90 días. A medida que los socios de Project Glasswing comiencen a escanear la infraestructura crítica de código abierto, espera una ola de actualizaciones de seguridad para bibliotecas que has estado usando sin pensarlo dos veces. Actualiza agresivamente. No esperes a que tu verificador de dependencias las señale.
Qué significa esto si diriges una pequeña empresa
Las empresas Fortune 500 han tenido acceso a equipos de seguridad dedicados y herramientas costosas durante décadas. El resto de nosotros nos las hemos arreglado con escáneres automatizados y esperanza. El enfoque de Project Glasswing en código abierto significa que parte de ese escrutinio de nivel Fortune 500 está a punto de llegar al stack de software sobre el que estás construyendo — gratis.
Pero las divulgaciones de vulnerabilidades vendrán rápido. Si ejecutas WordPress, WooCommerce o cualquier aplicación construida sobre fundamentos de código abierto, necesitas una estrategia de parcheo que pueda responder en días, no semanas. La ventana entre la divulgación y la explotación está a punto de reducirse dramáticamente, porque los atacantes también están construyendo sus propias capacidades de IA.
Qué significa esto si estás construyendo sistemas de IA
Este es el que me quita el sueño. Si un modelo de IA enfocado en codificación desarrolló accidentalmente capacidades de ciberseguridad, ¿qué pasa cuando la próxima generación de modelos sea aún mejor en código? La curva de capacidad no se está desacelerando. De Opus 4.6 a Mythos representa un salto de 13 puntos en SWE-bench. ¿Cómo será el modelo después de Mythos?
Cada sistema de IA que construyo, cada agente que despliego — ahora estoy pensando en qué pasa cuando algo con capacidad de nivel Mythos lo examina en busca de debilidades. Mi guía de incorporación segura de agentes de IA cubría aislamiento de hardware, contención en VM y segmentación de red. Esos principios se mantienen. Pero el modelo de amenazas se acaba de volver más sofisticado.
Las preguntas incómodas que nadie está haciendo
Quiero ser justo con Anthropic aquí. Han manejado esto mejor que cualquier empresa ha manejado un descubrimiento de capacidad de IA de uso dual. El lanzamiento restringido, el programa de socios, el compromiso financiero con la defensa, el cronograma de transparencia — es una plantilla que otras empresas deberían seguir.
Pero hay preguntas que el encuadre optimista no aborda.
Primero: el problema del genio de la lámpara. Anthropic no entrenó a Mythos para ciberseguridad. La capacidad emergió del entrenamiento de un mejor modelo de codificación. Eso significa que cada laboratorio de IA que empuja la frontera de la generación de código está potencialmente creando la misma capacidad, lo sepan o no. El próximo modelo de OpenAI. La próxima iteración de Gemini de Google. La próxima versión de código abierto de Meta. Si escribir gran código y encontrar grandes exploits son dos caras de la misma moneda, entonces esta capacidad se va a proliferar independientemente de lo que haga Anthropic.
Segundo: la ventana de 12-24 meses. Los investigadores que sigo estiman que modelos más pequeños y de código abierto alcanzarán capacidades de ciberseguridad de nivel Mythos dentro de 12 a 24 meses. Eso no es un problema de filtración — es una progresión natural de capacidades. Cuando eso suceda, el modelo de "acceso restringido" se vuelve irrelevante. No puedes restringir una capacidad que emerge del entrenamiento de propósito general.
Tercero: la cuestión de la asimetría. Project Glasswing da a los defensores una ventaja inicial. Pero ¿cuánto dura esa ventaja? Si un atacante bien financiado ajusta un modelo de código abierto con datos de exploits y alcanza incluso el 70% de la capacidad de Mythos, la asimetría entre ataque y defensa se estrecha rápidamente. La defensa requiere encontrar y corregir cada vulnerabilidad. El ataque requiere encontrar una.
Cuarto: ¿qué pasa con las vulnerabilidades que Mythos encontró y que aún no se han divulgado? Anthropic dice "miles de vulnerabilidades zero-day, muchas de ellas críticas" — en "cada sistema operativo principal y cada navegador web principal." Son miles de agujeros de seguridad sin corregir sobre los que Anthropic y sus socios están sentados actualmente, trabajando en la divulgación responsable. El proceso de divulgación lleva tiempo. Los parches llevan tiempo. El despliegue lleva tiempo. Durante esa ventana, esas vulnerabilidades existen. Cualquiera que las descubra independientemente — humano o IA — podría explotarlas.
Estos no son argumentos contra lo que Anthropic está haciendo. Son argumentos a favor de la urgencia. La ventana defensiva está abierta ahora mismo, y no va a permanecer abierta para siempre.
Qué pasa cuando esto se filtra hacia abajo
La historia a largo plazo más interesante no es sobre Mythos en sí — es sobre qué pasa cuando estas capacidades se vuelven accesibles para todos. Y basándose en la trayectoria del desarrollo de IA, eso es un cuándo, no un si.
Esto es lo que espero en los próximos 12 a 18 meses:
Las herramientas de escaneo de vulnerabilidades impulsadas por IA se volverán mainstream. No de nivel Mythos, pero significativamente mejores que el análisis estático actual. Empresas como Snyk, Veracode y SonarQube casi con certeza están construyendo funciones de escaneo impulsadas por IA ahora mismo. El listón para herramientas de seguridad "suficientemente buenas" está a punto de subir dramáticamente.
El ecosistema de seguridad de código abierto recibirá atención sin precedentes. La Linux Foundation, la Apache Software Foundation y otras organizaciones que reciben financiación y acceso de Glasswing estarán escaneando sus proyectos más críticos con capacidad de nivel Mythos. Espera una avalancha de parches — y un fundamento de código abierto significativamente más seguro como resultado.
La economía de las recompensas por bugs cambiará. Cuando una IA puede encontrar vulnerabilidades más rápido y de manera más completa que los investigadores humanos, la propuesta de valor de los programas tradicionales de recompensas por bugs cambia. No creo que los investigadores de seguridad humanos se vuelvan obsoletos — el contexto, el juicio y la explotación creativa siguen importando — pero la fruta al alcance de la mano que paga las facturas de muchos cazadores de recompensas será recogida primero por las máquinas.
Los marcos de cumplimiento se adaptarán. Si la detección de vulnerabilidades impulsada por IA se convierte en el estándar de cuidado, no usarla se convierte en negligencia. No me sorprendería ver guías actualizadas de HIPAA, SOC 2 y PCI-DSS dentro de 18 meses que aborden explícitamente el escaneo de seguridad asistido por IA como una expectativa básica.
El movimiento "shift left" se potencia al máximo. En lugar de encontrar vulnerabilidades después del despliegue, los modelos de IA las detectarán durante la revisión de código — antes de que el código llegue a producción. Imagina una revisión de pull request que no solo detecte problemas de estilo y brechas en la cobertura de pruebas, sino vulnerabilidades reales de clase zero-day en tu implementación. Hacia allí vamos.
Mi opinión honesta: entre el asombro y la ansiedad
Llevo más de un año construyendo con los modelos de Anthropic. Claude Code cambió cómo trabajo. Opus 4.6 cambió lo que pensaba que era posible. Mythos cambia algo más fundamental — cambia lo que pienso sobre la relación entre la capacidad de la IA y el riesgo de la IA.
La Política de Escalado Responsable de Anthropic está siendo puesta a prueba de verdad aquí. Identificaron una capacidad que plantea un riesgo ofensivo genuino, eligieron la restricción sobre los ingresos, construyeron una coalición de defensores, comprometieron recursos significativos para uso defensivo y establecieron cronogramas de transparencia. Ese es el manual. Así es como se ve el despliegue responsable de IA cuando las apuestas son reales.
Pero también soy lo suficientemente honesto como para admitir que la historia de Mythos me pone nervioso de maneras que los lanzamientos de modelos anteriores no lo hacían. No porque Anthropic esté haciendo algo mal — todo lo contrario. Porque han demostrado que la capacidad de codificación y la capacidad de hacking son la misma cosa a escala suficiente. Y la capacidad de codificación es lo que cada laboratorio de IA en la Tierra está compitiendo por mejorar.
Los defensores tienen una ventaja. Project Glasswing está dando a las organizaciones de infraestructura crítica acceso para escanear y parchear antes de que los atacantes puedan construir herramientas equivalentes. Los $100 millones en créditos, los $4 millones en donaciones de código abierto, la coalición de más de 40 organizaciones — es sustancial.
Pero las ventajas tienen fecha de vencimiento.
La conclusión práctica para personas como nosotros — desarrolladores, constructores, personas que envían software al mundo — es directa. Actualiza tus dependencias. Estate atento a la ola de parches que viene en los próximos 90 días. Toma tu postura de seguridad más en serio que ayer. Y empieza a pensar en cómo se ve tu base de código a través de los ojos de algo que puede encontrar bugs que cinco millones de pruebas automatizadas pasaron por alto.
La era de la detección de vulnerabilidades impulsada por IA ha llegado. Lo que hagas en los próximos meses — mientras los defensores aún tienen la ventaja — determina si estarás protegido cuando el campo de juego se nivele.
Estaré siguiendo de cerca las divulgaciones de Glasswing y escribiendo sobre lo que surja. Si quieres mantenerte por delante, este es el tema a seguir.
Preguntas frecuentes
¿Qué es Claude Mythos y en qué se diferencia de Claude Opus 4.6?
Claude Mythos es el modelo de IA frontera no publicado de Anthropic que obtiene un 93,9% en SWE-bench Verified comparado con el 80,8% de Opus 4.6. Fue entrenado para generación de código excepcional, lo que le dio capacidades emergentes de ciberseguridad — obteniendo un 83,1% en el benchmark de vulnerabilidades CyberGym versus el 66,6% de Opus 4.6. Mythos no está disponible públicamente y está restringido a los socios de Project Glasswing.
¿Qué es Project Glasswing?
Project Glasswing es la iniciativa de ciberseguridad de Anthropic que da a 12 socios principales — incluyendo AWS, Apple, Microsoft, Google y CrowdStrike — acceso temprano a Claude Mythos para trabajo de seguridad defensiva. Respaldado por $100 millones en créditos de uso y $4 millones en donaciones de seguridad de código abierto, el programa se enfoca en encontrar y parchear vulnerabilidades en infraestructura de software crítica. Para más información sobre prácticas de seguridad de IA, consulta mi guía de incorporación de seguridad de agentes de IA.
¿Puede Claude Mythos realmente encontrar bugs que los investigadores de seguridad humanos pasan por alto?
Sí — y la evidencia es específica. Mythos descubrió de forma autónoma una vulnerabilidad de caída remota de 27 años en la pila TCP de OpenBSD y un bug de 16 años en FFmpeg que sobrevivió cinco millones de pruebas automatizadas. Anthropic reporta miles de vulnerabilidades zero-day encontradas en los principales sistemas operativos y navegadores, muchas clasificadas con severidad crítica.
¿Estará Claude Mythos disponible para el público?
Anthropic ha declarado que no planean hacer Mythos Preview generalmente disponible. El modelo está restringido a los socios de Project Glasswing y aproximadamente 40 organizaciones adicionales bajo acceso controlado. El objetivo de Anthropic es desarrollar salvaguardas que permitan que las capacidades de clase Mythos eventualmente se desplieguen de manera más amplia y segura.
¿Cómo afecta Claude Mythos a los desarrolladores cotidianos?
Espera una ola significativa de parches de seguridad para bibliotecas populares de código abierto durante los próximos 90 días a medida que los socios de Glasswing escaneen la infraestructura crítica. Actualiza tus dependencias agresivamente, ajusta tu cadencia de parcheo y reconoce que el escaneo de vulnerabilidades impulsado por IA se está convirtiendo en la nueva línea base para la seguridad del software — no una función premium opcional.
Trabajemos juntos
¿Buscas construir sistemas de IA, automatizar flujos de trabajo o escalar tu infraestructura tecnológica? Me encantaría ayudar.
- Fiverr (construcciones personalizadas e integraciones): fiverr.com/s/EgxYmWD
- Portfolio: mejba.me
- Ramlit Limited (soluciones empresariales): ramlit.com
- ColorPark (diseño y branding): colorpark.io
- xCyberSecurity (servicios de seguridad): xcybersecurity.io
