開発AIと監査AIを分離する——自己申告に頼らないセキュリティパイプラインを自作した話

「Claude Mythos」は確認されたAnthropicの公式製品ではないが、自律的にゼロデイを発見・検証・武器化する脅威は既に現実の断片として観測されている。Big Sleep、AIxCC、XBOW、GTG-1002などの実例から、攻撃ライフサイクルの圧縮・専門性のスケール化・自律オーケストレーションという3つの構造変化により、攻撃側が防御側との非対称性を一方的に拡大させている状況を分析。

Claude の定額プランから Fable 5 が廃止されるにあたり、Fable と Opus 4.8 を個人開発の SaaS でベンチマークした結果、Fable は攻撃者視点で 120 件以上の脆弱性を自発的に指摘したが、その手順を audit スキルとして Opus に与えることで見つけたバグの数はほぼ同等になった。強いモデルで「型」を作り、定額モデルで実行する運用なら従量課金でもペイする。

Anthropic は Fable 5 のサイバー分類器がブロック/非ブロックする内容の詳細と、ジェイルブレイク攻撃の重要度を段階的に評価する初版フレームワークを公開。モデルの安全性境界と評価方法を透明化し、セキュリティ研究と実装改善の基礎を提供する。

Anthropic の Mythos 5 が米国防機関の機密システムを数時間で突破したとされ、非米国籍ユーザーへの全面封鎖が発効した。一方、後継の Sonnet 5（"Fennec"）や Mythos の新版が水面下で開発されており、最速で来週にも公開される見込み。封鎖はユーザー提供を止めても開発速度は低下せず、むしろ GPU リソースの解放で加速する可能性がある。