Claude Mythos 60 часов крутился на шифрах — и сдал сырые промпты

Исследователи Anthropic прогнали Claude Mythos на поиск математических дыр в HAWK и ослабленной версии AES-128 — с явной оговоркой, что на сегодняшние системы это не влияет. Ценность прогона в другом: в репозитории лежит сырая цепочка промптов с опечатками, и по ней видно, как агент сдаётся, если считает задачу нерешаемой.

Mythos Preview крутился 60 часов суммарно; оценка затрат — около $100 000 на API. Человек вмешивался в основном, чтобы не дать модели бросить цель и требовать результат уровня публикации — не «low hanging fruit», а «genuinely hard findings».

Что повторяется в промптах

• модель не пробует, пока не убедилась, что задача решаема;
• агент уходит в упрощение — «почему не aes-128 r7?» — и получает отбой: цель найти лучше существующих подходов;
• смена таргета отклоняется: нужна атака уровня top researcher, а не новая тема.

Источник: Discovering cryptographic weaknesses with Claude.