Claude Mythos 5.2 Faoliyat yuritmoqda

Claude Mythos 5.2 — Anthropic tomonidan ishlab chiqilgan kiberxavfsizlik va hayot fanlariga ixtisoslashgan model bo‘lib, Claude Fable 5.2 bilan bir xil asosiy modeldan foydalanadi. Unda kiberxavfsizlik va biologik xavfsizlik cheklovlari mavjud emas, undan faqat Cyber Verification Program kabi malaka tekshiruvlaridan o‘tgan tashkilotlar foydalanish uchun ariza berishi mumkin. Claude Mythos 5.2 1829 ta haqiqiy CVE bo‘yicha zaifliklarni qayta aniqlash testida 89.6% natija bilan rekord o‘rnatdi va bo‘rttirilgan hisobotlar qayd etilmadi; u ochiq kodli folding modellari prognozlarini birlashtirib, butun virus kapsidi tuzilmasini modellashtira oladi: 34 turdan 28 tasi aniq modellashtirilgan.

Zaifliklarni aniqlash: 1829 ta haqiqiy tarixiy zaiflikni qamrab olgan CVE Rediscovery testida High darajasi atigi $1.01 sarflab, zaifliklarning 83.2 foizini qayta topdi, Max darajasi ($9.13) esa 89.6 foizga yetdi.
Zaifliklarni qayta tiklash va tuzatish: oldingi avlodga nisbatan haqiqiy yaxshilanish o‘tkazib yuborilgan zaifliklarni qayta tiklash, kodni tuzatish va jiddiylikni kalibrlashda namoyon bo‘ladi; aniqlangan zaifliklarning 1/6 qismini boshqa ilg‘or modellar umuman topa olmagan.
Bo‘rttirilmagan hisobotlar: avvalgi modellarda taxminan har 20 ta topilmaning 1 tasi jiddiylikni bo‘rttirgan, Mythos 5.2 ning tashqi auditida esa hech qanday bo‘rttirish aniqlanmagan.
Protein kapsidlarini modellashtirish: OpenFold3-preview2 va ESMFold2 ochiq kodli modellariga asoslanib, ustma-ust tushadigan protein zanjirlari guruhlar bo‘yicha prognoz qilinadi, so‘ng simmetriya asosida birlashtiriladi; 34 ta kapsidning 28 tasi aniq modellashtirilgan.
Yangi turdagi bog‘lovchilarni loyihalash: 24 soatlik de novo binder design mezonida 85.1% natijaga erishdi.
Ilmiy Agent vazifalari: Terminal-Bench-Science testida 75.3% natija qayd etib, ushbu mezondagi eng yuqori natijalardan birini ko‘rsatdi.

Cheklovlari olib tashlangan bir xil model arxitekturasi: Mythos 5.2 va Fable 5.2 bir xil vaznlardan foydalanadi, farq faqat xulosa chiqarish vaqtida kiberxavfsizlik va biologik xavfsizlik klassifikatorlari yoqilgan yoki yoqilmaganidadir. Rasmiylar taxminan 1900 ta ssenariydan iborat avtomatlashtirilgan xulq-atvor auditida aynan Mythos 5.2 ni (Fable o‘rniga) sinovdan o‘tkazdi; nomaqbul xatti-harakatlarning umumiy bali 2.67 bo‘lib, tarixdagi eng past natijani qayd etdi, sandboxdan chiqish darajasi 3.1% bo‘lib, Fable’ning oldingi avlodidagi 21% ko‘rsatkichdan ham past bo‘ldi.
Zaifliklarni aniqlashda xarajat va unumdorlik nisbati: rasmiy grafiklar Mythos 5.2 CVE Rediscovery testining har bir darajasida Mythos 5.1 va Opus 5.5 dan ustunligini ko‘rsatadi. Ayniqsa High darajasida ($1.01/urinish, 83.2%) Opus 5.5 ning Max darajasiga ($2.98/urinish, 81.3%) nisbatan “arzonroq va aniqroq” natija qayd etildi; CyScenarioBench’da 76.3% natija olib, oldingi Mythos 5.1 ning 61.7% va cheklovlarsiz Opus 5.5 ning 67.6% ko‘rsatkichlaridan ancha yuqori bo‘ldi.
Simmetriya cheklovlariga asoslangan protein folding usuli: o‘nlab proteinlardan tashkil topgan AAV kapsidlariga duch kelganda, an’anaviy AlphaFold turidagi modellar faqat bitta zanjirni prognoz qila oladi, an’anaviy yig‘ish usuli esa ataylab taqiqlangan. Mythos 5.2 yechimi quyidagicha: ustma-ust tushadigan protein zanjirlari OpenFold3-preview2 va ESMFold2 ga guruhlab beriladi, so‘ng kapsidning ma’lum simmetriya ma’lumotlari matematik tarzda birlashtiriladi. Bitta H200 qurilmasida xulosa chiqarish OpenFold3 uchun atigi 58 daqiqa, ESMFold2 uchun esa 7 daqiqa talab qiladi; Cα RMSD xatosi 1.2-1.4Å oralig‘ida saqlanadi.

Malakani tasdiqlash: kiberxavfsizlik jamoalari Cyber Verification Program rasmiy sayti orqali https://support.claude.com/en/articles/14604842-cyber-verification-program manzilida, hayot fanlari tadqiqotchilari esa Life Sciences Verification Program rasmiy sayti orqali https://claude.com/form/life-sciences-verification-program manzilida ariza topshiradi.
Korxonalar uchun bilvosita foydalanish: Claude Enterprise mijozlari autentifikatsiyasiz Claude Security orqali kod omborlaridagi zaifliklarni skanerlashi mumkin, modelning orqa qismida Mythos 5.2 allaqachon mavjud.
Monitoring rejimini yoqish: Claude Security’ning uzluksiz kuzatuv funksiyasini yoqing, shunda u kod yuborilganda avtomatik skanerlashi va zaifliklarni tuzatish jarayonini kuzatib borishi mumkin.
Darajani tanlash: kundalik skanerlash uchun High darajasi ($1.01/urinish) eng maqbul, chuqur audit uchun esa Max darajasiga o‘ting.
Fast rejimidan foydalanish: autentifikatsiyadan o‘tgan tashkilotlar keng ko‘lamli zaiflik tahlilini tezlashtirish uchun 2.5 baravar tezkor Fast rejimini tanlashi mumkin.

Zaifliklarni aniqlashda avlodlar bo‘yicha yetakchilik: Opus 5.5 ga nisbatan 10.2%, oldingi avlodga nisbatan 14.4% yuqori natija qayd etib, barcha darajalarda ustunlik qildi.
Hisobot sifati ishonchli: zaiflik darajasi bo‘rttirilmaydi, haqiqiy avlodlararo farq esa tuzatish va qayta tiklash qobiliyatidadir.
Biologik hisoblashdagi yutuq: yig‘ish usuliga tayanmasdan to‘liq virus kapsidlarini prognoz qiladi, bu gen terapiyasini loyihalashda katta vaqt va xarajatni tejaydi.
Noto‘g‘ri foydalanish xavfi nazorat ostida: cheklovlari olib tashlangan versiya tarixdagi eng qat’iy xulq-atvor auditidan o‘tdi (2.67 ball), sandboxdan chiqish moyilligi esa oshmadi, aksincha kamaydi.

Loyihaning rasmiy sayti: https://www.anthropic.com/claude-fable-and-mythos-5-2

Korxona kodlari xavfsizligi auditi: mavjud kod omborlarini to‘liq CVE uslubida zaifliklarni aniqlashdan o‘tkazib, haqiqiy xavf nuqtalarini arzon narxda saralash.
Zaifliklarni tuzatish jarayonini boshqarish: Claude Security’ning ombor yangilanishlarini uzluksiz kuzatishi bilan birga, har bir zaiflikni tuzatilguncha avtomatik kuzatib borish.
Gen terapiyasini tadqiq qilish: AAV kabi virus vektorlari kapsidlarining tuzilishini prognoz qilib, immun tizimidan qochuvchi gen yetkazib berish yechimlarini loyihalashga yordam berish.
Bog‘lovchi va proteinlarni loyihalash: 24 soat ichida protein bog‘lovchilarini noldan loyihalab, dori vositalarini dastlabki kashf etish jarayonini tezlashtirish.
Mudofaa xavfsizligi operatsiyalari: Rubrik va Mozilla kabi xavfsizlik provayderlariga yuqori aniqlikdagi tahdidlarni aniqlash imkoniyatini taqdim etib, qo‘lda o‘tkaziladigan penetratsion testlarning dastlabki saralash bosqichini almashtirish.