Project Glasswing：Anthropic 用 AI 找到潛伏 27 年的漏洞，但這個模型不對外開放

來源：Anthropic Project Glasswing

Anthropic 在 2026 年 4 月宣布了 Project Glasswing——一個以主動漏洞研究為核心的協作計畫，核心工具是一個叫 Claude Mythos Preview 的限制存取前沿模型。計畫名稱來自玻璃翼蝴蝶（Greta oto）：翅膀透明，讓隱藏在底下的東西清晰可見。這個命名是刻意的，也是準確的。

這不是一個「AI 輔助資安」的 PR 稿。這是全球最大的科技公司在一張桌子上，承認 AI 已經是關鍵安全基礎設施的一部分——同時選擇對它實施嚴格管制。

12 個核心夥伴，一個問題意識

Project Glasswing 的 12 個核心合作夥伴包含：Amazon Web Services、Apple、Broadcom、Cisco、CrowdStrike、Google、JPMorganChase、Linux Foundation、Microsoft、NVIDIA、Palo Alto Networks，以及 Anthropic 自己。

這份名單的意義不只是「業界認可」。這些組織加起來，管理著全球相當比例的關鍵數位基礎設施——從雲端、晶片、網路設備到金融系統。它們同時出現在一個 AI 漏洞研究計畫裡，傳達的是一個很具體的集體判斷：傳統的漏洞揭露和修補速度，跟不上攻擊者將要利用 AI 的速度。

防守方需要先用 AI 找到漏洞，否則攻擊方會搶先。

除核心夥伴外，計畫還有一個擴展存取群組，已超過 40 個組織。$1 億美元的模型使用額度提供給研究使用，另有$400 萬美元捐給開源安全組織（包含 Alpha-Omega / OpenSSF 等），指向開源基礎設施的優先保護。

Claude Mythos Preview：數字說什麼

Glasswing 的核心工具不是公開的 Claude 模型。它是一個被稱為 Claude Mythos Preview 的特殊版本，針對深度技術推理和程式碼安全分析進行了強化。幾個關鍵 benchmark 數字：

CyberGym 83.1% 對比 Opus 4.6 的 66.6%，差距超過 16 個百分點。CyberGym 是專門測試網路安全推理能力的 benchmark，模擬真實的漏洞分析情境。這個差距在安全研究領域是顯著的——它不只是數字上的提升，而是能不能獨立完成完整的漏洞分析鏈條。

SWE-bench Verified 93.9% 這個數字尤其值得停下來看。SWE-bench 測試的是在真實 GitHub repository 上解決實際軟體工程問題的能力——不是合成題目，是真實的 issue 修復。93.9% 意味著這個模型幾乎能完全獨立處理真實的工程任務，包括理解既有程式碼庫、定位問題、生成正確的修補邏輯。這對漏洞修補的意涵是直接的。

GPQA Diamond 94.6% 測試的是需要博士級領域知識的推理問題。這個 benchmark 上達到 94.6%，代表模型在技術深度上已進入頂尖人類專家的範疇。

它找到了什麼

具體的發現才是這個計畫最值得重視的部分。

一個潛伏 27 年的 OpenBSD 漏洞。 OpenBSD 以安全性著稱，是許多安全敏感系統的核心。這個漏洞在生產代碼裡存在了 27 年，被無數安全研究員和靜態分析工具忽略。Claude Mythos 找到了它。

一個 16 年的 FFmpeg 漏洞。 FFmpeg 幾乎無所不在——影片播放、串流媒體、多媒體處理。16 年間，這個漏洞跟著每一個使用它的系統一起被部署。

多個 Linux kernel 特權提升鏈條。 Linux kernel 的安全研究投入是業界頂尖的，但 AI 仍然發現了人工審計遺漏的鏈條。

這些漏洞存在這麼久的根本原因，是它們需要跨越多個抽象層次的推理——不是單一函式的問題，而是在複雜呼叫鏈、記憶體佈局和邊界條件的交叉點上才會出現。人工審查有時間和注意力的限制；AI 對這種跨鏈路的推理沒有認知疲勞的問題。

定價與管制：刻意的門檻設計

Claude Mythos Preview 在試驗期過後的定價：$25/M input tokens，$125/M output tokens。

拿來對比：Claude Opus 4.6 的定價大約在 $15/$75。Mythos 的 output token 定價接近兩倍。

這個價差是設計決策，不是市場定價失誤。高定價是一道額外的存取門檻，與限制性准入政策疊加：模型不對外一般開放，只有通過審核的計畫參與者才能使用，目前是 12 個核心夥伴加上 40 多個擴展存取組織。

背後的邏輯很直白：一個能在幾小時內找到 27 年老漏洞的模型，如果可以被任何人以 API 呼叫，那個「任何人」也包括攻擊者。找漏洞和利用漏洞，使用的是同一套推理能力。

治理困境：誰來監督守護者

Project Glasswing 命名之所以恰當，不只是因為玻璃翼蝴蝶的透明性，也是因為它揭示了一個深層矛盾：為了防守而建立的能力，本質上也是進攻能力。

Anthropic 的回應是信任架構：嚴格的存取審核、負責任的揭露協議、計畫內的透明度。這是一個有道理的回應，但它把一個根本問題轉換成了一個治理問題——而治理是可以失敗的。

誰決定哪些組織夠資格取得存取？決定過程有多透明？當「核心夥伴」的商業利益與安全研究的公共利益衝突時，誰有決定權？當存取邊界被技術滲透或內部威脅突破時，有什麼緊急機制？

這些問題沒有現成答案。Glasswing 的架構是目前能想到的合理設計，但它依賴一個相對集中的信任鏈——而集中的信任鏈在歷史上一直是安全模型的薄弱環節。

聯盟的真正意義

AWS、Apple、Google、Microsoft、NVIDIA 同時加入同一個 AI 安全計畫，這件事本身值得單獨記錄。

這些公司在市場上的關係是複雜的——他們同時是競爭對手、供應商、客戶。他們在一張桌子上，代表的不是競爭的暫時擱置，而是一個共同的脆弱性認知：當全球基礎設施的安全邊界開始需要 AI 來守護，單一公司的視野是不夠的。

Linux Foundation 和 OpenSSF 在核心夥伴名單裡，指向開源生態系的特殊位置——開源基礎設施往往資源最少、卻影響面最廣、最可能出現潛伏多年的漏洞。$250 萬美元給 Alpha-Omega / OpenSSF 不是公關預算，是對這個風險分布的直接回應。

對工程師的實際影響

如果你在建立任何依賴開源基礎設施的系統，Project Glasswing 的發現有幾個直接含義：

漏洞壽命比你想的長。 一個 27 年的漏洞在 OpenBSD 裡被找到，代表傳統的安全審計流程有結構性盲點——不是偶發的遺漏，而是系統性的。你的依賴樹裡可能有類似的東西。

AI 輔助的安全掃描會成為標配。 當一個 AI 能找到人工審計找不到的東西，「用 AI 做安全審計」很快會從競爭優勢變成行業基線。現在提前了解這套工具的能力邊界，比等到它成為合規要求再追趕要好。

供應鏈安全優先順序需要重新評估。 FFmpeg 漏洞的影響範圍就是 FFmpeg 的影響範圍——幾乎無所不在。跟你的 dependency graph 直接相關的開源項目，值得更高的安全優先順序。

結語

Project Glasswing 是一個誠實的計畫：它承認 AI 找漏洞的能力已經超越傳統方法，選擇把這個能力置於嚴格管制下用於防守，而不是等它在管制外被用於攻擊。

這個邏輯是清醒的。27 年的 OpenBSD 漏洞和 16 年的 FFmpeg 漏洞告訴我們，這類問題不會自己被時間清除——它們在等一個足夠強大的工具去發現它們。現在這個工具存在了。

誰能使用它，誰決定怎麼使用它，將是未來幾年網路安全地緣政治裡最重要的幾個問題之一。Project Glasswing 只是開了一個頭。