Mythos 5.2 в Devin Security: бенчмарк F2 и 1781 CVE

Claude Mythos 5.2 доступна в Devin Security у Cognition для корпоративных клиентов: платформа запускает управляемые сканы на узких кибер-моделях — отдельный доступ к весам для команды безопасности не нужен.
На внутреннем бенчмарке Mythos 5.2 в среднем набрала 73.5 по шкале F2. У Mythos 5.1 было 56.9, у Claude Opus 5.5 — 32.7.
Что измеряют
Набор — 25 репозиториев на C, Python, Go, PHP и TypeScript: Django, Flask, Laravel и Next.js. Каждый зафиксирован на коммите, где публично известные уязвимости ещё не закрыты; всего таких целей 1781. Раньше Devin Security мерил только, находится ли одна целевая бага. Теперь считают precision и recall и сводят в F2 с уклоном в полноту находок. Каждую модель гоняли три раза на каждом репозитории и брали среднее.
Средние баллы
- Claude Mythos 5.2 — 73.5
- Claude Mythos 5.1 — 56.9
- Claude Opus 5.5 — 32.7
Cognition обещает сотни миллионов долларов в кредитах Devin: бесплатные сканы на кибер-моделях, включая Mythos 5.2, для текущих и новых enterprise-клиентов. Условия участия — на стороне вендора; без доступа к Devin Security можно подать заявку на кредиты.
Источник: Claude Mythos 5.2 is now available in Devin Security | Devin.