摘要

Claude Mythos 将危险的网络能力从假设变成现实，迫使华盛顿迅速掉头重做安全政策。 传闻中的行政命令将建立类似 Biden 时期的模型发布前审查机制，而 Trump 重返白宫首日就取消了这套机制，此前共和党曾批评相关测试反创新。Casey Newton 的结论是：本届政府的世界观“经不起现实的检验”。
政府仍缺乏连贯的模型开放策略，芯片、承包商、中国和盟友网络安全都面临政策风险。 五角大楼一边推动将 Anthropic 认定为供应链风险，一边安装 Mythos 扫描漏洞；Trump 正在研究向中国开放 Nvidia 芯片，但政府尚未决定是否向中国开放 Mythos。结果是，本届政府“同时在安装和卸载 Anthropic”。
网络防御的时间尺度已从以天计的响应问题，变成以分钟计的基础设施竞赛。 Palo Alto Networks 发现26个关键漏洞利用，涉及75项问题，而通常基线不到5个；Mozilla 4月发布了423项修复，远高于2025年每月约22项的平均水平。Nikesh Arora 表示，传统防御“是按天设计的”，企业必须彻底改造系统，做到“用 AI 对抗 AI”。
Mythos 的威力来自持续算力对多个弱点的串联，但它既不是自动运行的，也并非不会出错。 Arora 称其误报率约30%，只有在 Palo Alto 提供代码用途、预期行为，以及过去5年1万次攻击产生的威胁情报后，模型表现才有所提升。Mythos 与 GPT-5.5 Cyber 找到的问题并不相同，而 Mythos 高度消耗算力的“ultra mode”则让持续试错和“漏洞串联”更加有效。
短期经济账更偏向攻击者，而大规模修复周期需要有规模的网络安全厂商和系统集成商参与。 防守方必须100%正确，攻击者只需要找到1个可用漏洞；防火墙可以提供“临时脚手架”，但开源依赖和无人管理的终端仍然难以及时修补。Arora 预计，企业将经历一轮持续3-6个月的漏洞积压“清理”，IBM、PwC、Deloitte 和 Accenture 等公司将参与其中。
最暴露的，是业务依赖技术、但核心能力在其他领域的企业。 相比资源充足的金融机构，Arora 更担心医院、小企业、工业运营商和诊所——这些“95%在做别的事”的公司往往没有工程师。他以 Change Healthcare 遭遇的攻击为例，说明一次事故如何让整个医生生态停摆。消费电子邮件和电信服务商也需要加强前置拦截，因为 AI 很快会让钓鱼攻击变得明显更逼真。
AI agents 恰恰因为足够有用、能够持有凭证并自主行动，扩大了攻击面。 Arora 称 OpenClaw“从安全角度看很可怕”，因为它可以被授予跨账户行动所需的权限和凭证；他把 OpenClaw 安装在隔离环境中，无法访问日历或邮箱，因此“完全没用”。能力需要访问权限、访问权限又制造风险，这一取舍将决定企业如何部署 agent。
Arora 预计，AI 带来的生产率提升会先扩大工程产出，而不是先消灭工程需求。 功能积压已经排到6-12个月之后，因此30%-60%的效率提升可以用于开发更多功能；已宣布的7%、15%或20%裁员，也可能是在为具备新技能的人腾出空间。他更广泛的判断是，企业将经历“持续10年的转型”，财务等职能的效率提升将为 token 和新增 AI 算力买单。

精读

1. Mythos 颠覆华盛顿“让它先跑”（let them cook）的共识

Kevin Roose 开场提供的证据，是一份传闻中的行政命令：成立 AI 工作组，并可能要求前沿模型在发布前接受政府审查。它与被 Biden 撤销的框架高度相似；此前，类似测试曾被斥为“共产主义”、反创新，甚至会让美国输掉与中国的 AI 竞赛。
Casey 对因果关系的解释非常直接：Mythos 似乎能在大量程序中发现新颖且可利用的弱点，因此本届政府的放任立场“经不起现实的检验”。当官员看到一个模型如果被广泛发布、可能造成“巨大的伤害”时，现实问题就变成政府如何阻止这种伤害。
这场机构争斗，一边是 CAISI——更名后的 U.S. AI Safety Institute——另一边是 NSA 等情报机构；同时也是前 AI 沙皇 David Sacks 的“让它先跑”理念，与新近愿意把模型能力视为国家安全威胁的共和党官员之间的对撞。
Casey 认为，Trump 的立场一直比共和党整体意见更窄：共和党和民主党都对 AI 持强烈怀疑态度，共和党州议员早已争相监管 AI。Mythos 只是让联邦层面奉行“油门踩到底、不踩刹车”（all gas, no brakes）的派系不得不面对现实账单。

2. 安全监管仍有执行缺口，也存在审查风险

CAISI 专门招聘研究人员来评估日益危险的模型，其中包括一些即便对服务本届政府有所顾虑、仍选择加入的人。Casey 认为，机制上的缺口仍然存在：如果评估人员认定某个模型过于危险，但开发商以“商业需要”为由坚持发布，政府该怎么办？
Kevin 提出的反驳值得保留：监管可能演变成政治胁迫，就像社交媒体监管曾经出现的情况。Casey 同意，发布前审查可能构成事先限制，官员可能会禁止某个模型，“不是因为它真的危险，而只是因为它看起来很 woke、很 gay”；最终可能需要通过诉讼解决。
两人暂时的权衡仍偏向干预。Casey 目前宁愿听到这样的话：“那个疯狂的网络模型，不要把它给所有人。”Kevin 则对政府终于承认这项技术可能需要采取行动表示欢迎：“能拿到一点小胜利，我就拿一点。”

3. 芯片、模型与盟友撞在一起，暴露出混乱的对华策略

Trump 与 Jensen Huang、Elon Musk、Tim Cook 以及 Meta 的 Dina Powell McCormick 一同前往中国，据报道，与 Xi Jinping 的 AI 会谈也在议程之中。Kevin 认为其中存在内在矛盾：一边向中国出售构建 Mythos 级系统所需的 Nvidia 硬件，一边试图拒绝向中国提供今天的 Mythos。
五角大楼内部也存在同样的矛盾。它正在为将 Anthropic 认定为供应链风险进行辩护；这一认定源于 Anthropic 拒绝在合同中允许任何“合法使用”。但与此同时，在 Anthropic 技术据称正被移除的这段时期，五角大楼又在部署 Mythos。
一名中国智库代表在新加坡接触 Anthropic，寻求模型访问权限；德国则提出建立自己的 CAISI 类机构，并要求获得最先进模型。Casey 倾向于加强西方合作：修复互联网范围内的漏洞可能需要“我们能获得的所有帮助”。毕竟，美国实际上是在告诉盟友自己已经赢了，盟友要么“喜欢”，要么学会接受现实。
Kevin 表示，一旦模型能够找到零日漏洞，且军方和情报机构开始围绕模型改变行为，“AI 只是普通技术”的立场就无法维持。他更悲观的预测是，矛盾将持续下去，直到“某个重大事件”迫使官员真正警醒。

4. 网络攻陷已从按天计缩短至按分钟计

Arora 以7年的对比界定了转折点：过去，攻击者进入系统后还需要几天才能窃取组织的“核心资产”；有了 AI，这段时间已压缩到几分钟。为人类响应速度设计的防御体系，现在需要在同样的时间尺度内自动发现并采取行动。
Palo Alto 披露了26个关键漏洞利用，涉及75项问题，而正常基线不到5个，约为通常发现速度的5-7倍。Arora 将这次覆盖所有产品、由数百名工程师参与的行动称为一次“彻底清理”，目标是处理长期积累的“技术债或漏洞债”。
这一模式并不只出现在 Palo Alto。Mozilla 4月推送了423项安全修复，而2025年平均每月约22项；Google 的威胁情报团队发现了首个利用其认为由 AI 开发的零日漏洞的攻击者；Canvas 攻击则迫使公司停运，并就被盗数据展开谈判。
Arora 提醒，不应假设7倍增幅会永久持续；这次集中审计应能清理 Palo Alto 相当一部分积压。但每家企业现在都必须判断，自己的旧代码中有多少存在类似弱点，而开源组件通常会比专有软件更慢得到修复。

5. Mythos 是极度依赖上下文的能力倍增器，不是魔法扫描器

Arora 对 Mythos 的第一印象没有那么惊艳，因为它会标记太多问题：约30%的发现属于误报，每一项都需要人工验证。随着工程师解释代码原本要实现的功能，以及正常行为应是什么样，Mythos 的实用性才逐渐提升。
Palo Alto 随后提供了自己的专有威胁数据库，其中包含过去5年约1万次攻击所采用的技术，并要求模型判断已知方法能否适用于新的上下文。Arora 形容，这是把“过去全部的人类训练”交给模型，用来构建未来的防御体系。
Mythos 和 GPT-5.5 Cyber 发现了不同的弱点，这表明它们的训练数据和落地方式带来了互补覆盖，而不是由某一个模型给出唯一且终局的答案。对 Arora 来说，这种差异意味着“还有很多东西会被找出来”。
这些系统识别的不只是有缺陷的代码，也包括配置错误。Arora 举的最清晰例子是：一个产品控制面板为了方便远程操作而暴露在互联网上、没有关闭。“如果我能找到它，其他人也能找到它。”

6. 补丁周期跟不上自动化攻击

Casey 以 Palo Alto 的发现挑战传统90天负责任披露窗口：AI 辅助攻击者可能在25分钟内取得初始访问权限并外传数据。Arora 同意窗口会进一步缩短，但“究竟会缩短多少”仍没有定论。
SaaS 是相对容易的场景：软件可以集中调查、修补和部署，Palo Alto 已在2-3周内完成。笔记本电脑、服务器、交换机和路由器则需要组织自行行动，因此 Arora 预计，随着积压被清理，企业将经历3-6个月异常密集的更新周期。
IBM、PwC、Deloitte 和 Accenture 等系统集成商正在调动修复资源。如果无法立即修补，Palo Alto 可以把已知的脆弱路径编码进边界防火墙特征中，搭建“临时脚手架”，在企业修复后端代码的同时阻断攻击。
攻击者与防守者的竞争仍具有结构性不对称：“我们必须100%正确，坏人只需要正确1次。”即使拦下4个漏洞、仍有1个漏洞被成功利用，防守方得到的结果依然是“零”。因此 Arora 认为，当前攻击者从相当的模型能力中获取了更多价值。

7. 限制 Mythos 访问权限只能为防守方争取时间，无法带来永久优势

Arora 肯定 Anthropic 和 OpenAI 在防守方仍有时间反应时，试图负责任地展示“可能做到什么”。他说，两家公司“大体上做对了大部分事情”；它们在发布过程中各自搞砸了一些环节，但不存在简单的模型分发政策。
Mythos 的差异化能力在于消耗算力的“ultra mode”，它可以持续远长于已发布模型通常使用的“flash mode”。这种持续性让模型能够尝试多种技术并串联成功步骤，因此算力成本和风险更多取决于持续搜索，而不只是基础能力。
Arora 因此倾向于先给企业时间修复系统，再让同等能力普遍开放。如果攻击者获得 Mythos 级工具，勒索软件和国家级经济破坏仍会是熟悉的结果；改变的是攻击的“速度和规模”，而不是其基本性质。
4-6周的评估窗口让防守方得以研究模型行为，并在 Arora 所说的“AI 攻击海啸”到来前构建 AI 驱动的传感器。真正的竞赛在于，这些防护和补丁能否赶在国家、开源行动者或第三方复现相关能力之前到位。

8. 资源不足的行业与消费者构成薄弱层

Arora 最担心的是那些业务“95%在做别的事”、只有5%与技术相关的组织：医院、小企业、工业制造商、基础设施运营商和诊所。金融机构拥有更深的工程能力；而 Change Healthcare 这样的上游事故，就可能让一家医生诊所陷入瘫痪。
消费者得到的保护弱于企业，因为他们缺少有效的统一守门人。企业防御系统可以在一个客户处观察到钓鱼邮件发送者，再在其他地方将其拦截；个人邮箱和电信服务商则需要针对冒充攻击加强控制，这类攻击对“在做 AI”的公司而言本应很容易识别。
Kevin 提出的消费者常规防护方案是使用强密码和多因素认证，Arora 则强调服务商层面的控制，并敦促用户安装软件更新。Kevin 每天收到假冒 X 的密码重置邮件，正说明了即将到来的问题：他预计，6个月或1年内，同样的诱饵会变得逼真得多。

9. 自主 agent 把有用的权限变成安全负债

Arora 称 OpenClaw“从安全角度看很可怕”，因为它可以获得凭证和权限，随后跨用户账户行动。一次晚餐上，一名热心用户展示了名为 Zara 的 agent，旁边的人则反应道：“我靠，这简直是安全噩梦。”
他自己的 OpenClaw 运行在一台隔离设备上，与日历和邮箱断开连接，因此“完全没用”。机制很简单：没有访问权限的 agent 无法预订会议或回复邮件，而拥有访问权限的 agent 则可以代表用户采取行动。
工程师们同时感到兴奋、过劳和恐惧。在 Palo Alto 9,000多名技术人员中，Arora 看到了各种情绪：眼下的工具很有前景，但它们在未来2-3年的影响仍然极不确定。

10. AI 会先扩大积压工作，再压缩技术就业

Arora 否定了30%、40%、50%或60%的生产率提升必然意味着工程师减少这一推论：“我需要更多工程师。”产品路线图已经排到6-12个月之后，原因是团队缺乏产能，因此第一轮效率提升应投入长期搁置的功能和测试。
宣布裁员7%、15%或20%的公司，可能是在“重塑”组织，而不是永久缩小规模，从而腾出空间招聘具备新技能的人。整个企业中，财务、人力资源和其他职能的效率提升，可能是支付 token 费用的资金来源。
他对宏观趋势的概括是“一场转型意愿的海啸”，以及持续10年的商业转型。CFO 或 HR 负责人并不关心抽象的 AI；他们要的是更高效的运营，无论具体形式是自动化评估、面试，还是内部工作流。
Kevin 认为“AI 测评官”会带来糟糕的候选人体验，但 Arora 认为，它评估领域技能的能力可能强于对话。对于求职者声称自己熟悉 AI，他偏好的测试方式是看实际产出：“给我看看。”一个根据菜谱生成购物清单的 agent，并不能证明真正的能力。

11. Hot Mess Express 展示了采用潮与信任危机的碰撞

Venmo 开始测试新用户默认仅对好友可见，试图修补一项长期存在的隐私问题：平台公开交易记录曾帮助记者识别涉及 Joe Biden、J.D. Vance 和 Matt Gaetz 的账户或付款。主持人认为这是迟来的清理工作：它“过去真是一团乱麻”，如今这条容易被调查追踪的路径终于要被关闭。
据报道，Amazon 员工生成了不必要的 Meshclaw 活动，以增加 token 消耗，让自己在管理者面前看起来表现更好。Casey 引用了 Goodhart 定律：“当一个指标变成目标，它就不再是一个好的指标。”他将结果戏称为“hot mesh”。
University of Central Florida 的艺术与人文学科毕业生对 AI 是“下一次工业革命”的说法报以嘘声；Kevin 看到的学生中，约80%会说：“我讨厌这个。”Casey 为现场观众辩护，而 Kevin 则要求任何曾在学业中使用 ChatGPT 的人，在起哄前先披露这段经历。
Grindr 的 Madonna 广告播放了“嗨，Grindr，我是 Mother”，即使用户手机音量已关闭也可能继续外放，导致用户在家人身边被迫出柜；Casey 称这是危险的混乱，不只是营销失误。其他消息包括：Dua Lipa 就 Samsung 包装问题索赔1500万美元；eBay 将 GameStop 那份资金明显不足的550亿美元报价斥为“既不可信，也没有吸引力”；证词还显示，Elon Musk 曾考虑将 OpenAI 的控制权交给自己的孩子。

重建 AlphaGo 教会我们的自博弈、RL 与 LLM 未来 — Eric Jang (预告) Agentic Future中的推理、xAI：一家公司中的两家公司、Elon诉讼问答、Intel、Apple