Resposta rápida

Mythos — formalmente Claude Mythos Preview — é o modelo de IA de ponta mais capaz da Anthropic em abril de 2026, distinguindo-se por uma codificação agentiva excepcional, raciocínio em múltiplas etapas e capacidades autônomas de segurança ofensiva. É o primeiro modelo de IA conhecido a comprometer de forma autônoma uma rede corporativa simulada de ponta a ponta, e o primeiro a descobrir mais de 2.000 vulnerabilidades de dia zero em software de produção em menos de dois meses. A Anthropic restringe o acesso público; o Mythos está disponível apenas através do Project Glasswing, um consórcio da indústria de parceiros de segurança defensiva.

‍

1. As Origens do Mito: Como o Antrópico Chegou Aqui

O Mythos não surgiu isoladamente. É o culminar de uma trajetória de vários anos no desenvolvimento de IA de ponta, onde as capacidades de codificação e raciocínio autônomo evoluíram mais rapidamente do que a maioria dos observadores previu.

As gerações anteriores de modelos da Anthropic — Claude Opus 4.6 e Sonnet 4.6 — já demonstraram desempenho de ponta em benchmarks de engenharia de software como o SWE-bench Verified. O Mythos estende essas capacidades especificamente para o domínio da análise adversária de código: compreender o software não apenas o suficiente para construí-lo, mas o suficiente para encontrar as falhas onde ele ocorre.

O anúncio do modelo em abril 7, 2026 coincidiu com o lançamento do Projeto Glasswing e foi acompanhado por uma postagem técnica da equipe vermelha da Anthropic documentando a descoberta autônoma do modelo de milhares de vulnerabilidades de dia zero. O Instituto de Segurança de IA do Reino Unido realizou avaliações paralelas e confirmou que o Mythos foi o primeiro modelo de IA a assumir o controle com sucesso de uma rede corporativa simulada sem intervenção humana — obtendo êxito em 3 de 10 tentativas.

Este é o ponto de inflexão que os pesquisadores de segurança vêm prevendo há anos. Não se tratava do lançamento de uma nova funcionalidade específica; era a superação de um limite.

2. O que Mythos realmente é (O Perfil Técnico)

Mythos é um modelo de linguagem abrangente da família Claude, desenvolvido pela Anthropic e lançado como "Claude Mythos Preview". Suas capacidades distintivas situam-se na interseção de três domínios:

Codificação agentiva. O Mythos consegue planejar, executar e iterar em alterações de código em vários arquivos com supervisão mínima. De acordo com os resultados de avaliação publicados pela Anthropic, o Mythos obteve as pontuações mais altas já registradas nos testes SWE-bench Verified, SWE-bench Pro e SWE-bench Multilingual.

Raciocínio em várias etapas. O modelo consegue encadear sequências de operações — reconhecimento, identificação de vulnerabilidades, desenvolvimento de exploits, pós-exploração — que antes exigiam orquestração humana.

Busca ativa e uso de computadores. Mythos pode interagir com sistemas de forma autônoma, navegando por ambientes e se adaptando com base no que observa.

Em conjunto, essas capacidades transformam a economia da pesquisa sobre vulnerabilidade. Tarefas que historicamente exigiam um pesquisador de segurança qualificado, semanas ou meses de trabalho concentrado e ferramentas especializadas, agora podem ser concluídas por um usuário sem experiência, da noite para o dia, usando apenas acesso à API de um modelo suficientemente capaz.

O modelo em si não introduz novas técnicas de ataque. As vulnerabilidades descobertas pela Mythos são, em grande parte, variações de classes de falhas bem conhecidas — estouros de buffer, bugs de uso após liberação de memória e erros de lógica. O que mudou foi a escala e a velocidade com que essas falhas podem ser descobertas, validadas e exploradas.

3. Como o Mythos difere dos modelos de fronteira anteriores

Para entender por que Mythos provocou a reação que provocou, é útil compará-lo com seus predecessores e contemporâneos.

Outros dois modelos de fronteira demonstraram capacidades relacionadas:

• O Big Sleep do Google — um sistema especializado em descoberta de vulnerabilidades, com escopo mais restrito, mas funcionalmente semelhante em casos de uso defensivos .
• GPT-5.4-Cyber da OpenAI — Uma variante do GPT-5.4 especializada em cibersegurança, com capacidades comparáveis de descoberta de vulnerabilidades de software.

Isso é importante porque o Mythos não é único em sua essência, apenas em seu grau de exclusividade e modelo de acesso. Pesquisadores da AISLE replicaram partes da análise de demonstração da Mythos usando modelos de pesos abertos muito menores, sugerindo que as capacidades subjacentes estão se difundindo pelo ecossistema de IA mais rapidamente do que os programas de acesso restrito conseguem contê-las.

4. O que a Mythos descobriu nos testes

Os resultados empíricos do período de pré-visualização do Mythos foram o que chamaram a atenção da indústria de cibersegurança:

• Mozilla Firefox. A Mythos identificou 271 vulnerabilidades no código-fonte do Firefox e desenvolveu com sucesso exploits funcionais para 181 delas.
• OpenBSD. A Mythos descobriu uma vulnerabilidade latente de 27 anos no OpenBSD — um sistema operacional explicitamente projetado e mantido com a segurança como objetivo principal. Algumas das falhas descobertas permitem a execução remota de código sem autenticação.
• FFmpeg. Uma vulnerabilidade de 16 anos em uma biblioteca de processamento de mídia amplamente utilizada e incorporada em inúmeras aplicações subsequentes.
• Resultados agregados. Mais de 2.000 vulnerabilidades até então desconhecidas foram descobertas nos principais sistemas operacionais, navegadores da web e aplicativos em sete semanas de testes.
• Simulação de tomada de controle da rede. A avaliação do Instituto de Segurança de IA do Reino Unido mostrou que o Mythos comprometeu uma rede corporativa simulada de ponta a ponta em 3 de 10 tentativas — o primeiro modelo de IA a conseguir tal feito.

A conclusão não é que qualquer vulnerabilidade isolada seja catastrófica. A questão é que a taxa de descoberta mudou em várias ordens de magnitude, e a mesma capacidade está disponível para qualquer pessoa que possa treinar ou ter acesso a um modelo de força comparável.

5. Projeto Glasswing: A Estrutura de Acesso Controlado

A resposta da Anthropic às capacidades da Mythos foi restringir deliberadamente o acesso. Em vez de lançar o Mythos amplamente, a Anthropic lançou o Projeto Glasswing — um consórcio da indústria criado para colocar o modelo primeiro nas mãos dos defensores.

Parceiros de lançamento (anunciados em abril de 8, 2026): Amazon, Anthropic, Apple, Broadcom, Cisco, CrowdStrike, Linux Foundation, Microsoft e Palo Alto Networks. Além de mais de 40 outras organizações que criam ou mantêm infraestrutura de software crítica.

Compromisso da Anthropic: até US$ 100 milhões em créditos de uso para o Mythos Preview em todos os esforços do consórcio, além de US$ 4 milhões em doações diretas para organizações de segurança de código aberto.

A lógica defensiva: se os atacantes eventualmente desenvolverem ou tiverem acesso a capacidades equivalentes, os defensores precisam de uma vantagem inicial. O Projeto Glasswing é essa vantagem inicial — um esforço coordenado para encontrar e corrigir vulnerabilidades em softwares críticos antes que sistemas adversários com capacidades equivalentes possam explorá-las.

O modelo não é inédito em termos de concepção (a Linux Foundation e outras organizações já executam programas de divulgação coordenada há anos), mas a escala e o uso de recursos de IA de ponta são. Trata-se de um reconhecimento explícito de que o equilíbrio entre ataque e defesa na segurança de software mudou.

6. O panorama mais amplo da cibersegurança em IA

A Mythos está inserida num cenário de rápida evolução de recursos de segurança habilitados por IA:

Ferramentas de IA defensivas já implementadas:

• O Big Sleep do Google (descoberta de vulnerabilidades)
• CodeMender do Google (aplicação automática de patches)
• Integração do Mythos na equipe vermelha da Anthropic
• AISLE e sistemas de descoberta semelhantes, com estrutura de suporte, são construídos com base em modelos de pesos abertos.

Capacidades ofensivas de IA documentadas:

• Phishing e engenharia social em larga escala com inteligência artificial.
• Comprometimento de e-mail comercial impulsionado por deepfake
• Reconhecimento automatizado e seleção de alvos
• 87% das organizações globais sofreram um ciberataque com inteligência artificial no último ano (SoSafe Cybercrime Trends 2025).

Resposta da indústria:

• A Bain & Company estima que muitas organizações precisam dobrar seus gastos atuais com cibersegurança para lidar com ameaças habilitadas por IA.
• A Agência de Segurança Cibernética e de Infraestrutura dos EUA (CISA), a ex-diretora Jen Easterly e líderes de Wall Street se manifestaram publicamente sobre ameaças do tipo Mythos.
• Os mercados de seguros cibernéticos estão reavaliando os riscos com base em cenários de ataques acelerados por inteligência artificial.

O padrão é consistente entre analistas, reguladores e profissionais da área: a IA não cria novas vulnerabilidades, ela expõe as existentes em grande escala. O subinvestimento crônico em fundamentos de cibersegurança, tolerado pelos conselhos administrativos durante anos, agora representa um risco comercial imediato e substancial.

7. O Problema da Difusão de Capacidades

Um dos aspectos mais importantes — e mais negligenciados — do Mythos é o problema da difusão de capacidades. Pesquisas da AISLE e de outras instituições sugerem que as capacidades ofensivas demonstradas pelo Mythos não são exclusivas de modelos fechados de fronteira. Com o suporte adequado (direcionamento, instruções iterativas, ambientes de teste), modelos muito menores e mais baratos podem recuperar partes substanciais da análise do Mythos.

Isso tem três implicações:

1. Programas de acesso restrito atrasam, mas não impedem. Adversários com recursos suficientes podem construir ou aprimorar sistemas comparáveis.
2. O gargalo está na estrutura de suporte, não na capacidade bruta do modelo. Uma vez que a estrutura defensiva seja bem compreendida, os equivalentes ofensivos surgem em seguida.
3. A janela defensiva é medida em meses, não em anos. Organizações que não tiverem reposicionado sua arquitetura de segurança até meados ou final de 2026 estarão operando contra atacantes que já o fizeram.

É por isso que os analistas de segurança consideram cada vez mais o Mythos como um sinal de uma mudança permanente, e não como uma ameaça temporária.

8. A Resposta Defensiva: O Que Isso Significa para a Arquitetura de Segurança

A resposta defensiva às ameaças da classe Mythos convergiu em torno de um pequeno conjunto de princípios arquitetônicos. Nenhuma delas é nova — mas a urgência da adoção é.

1. Presuma que houve violação. Pare de medir o sucesso pela capacidade dos atacantes de invadirem o sistema. Comece a medir pela distância que elas se espalham. Este é o fundamento conceitual do Zero Trust.
2. Microsegmentação. Divida as redes em pequenas zonas isoladas com políticas de comunicação de privilégio mínimo entre elas. Quando (e não se) um invasor comprometer uma carga de trabalho, a política de segmentação já estará em vigor — nenhuma resposta humana em tempo real será necessária. Esta é a base da Plataforma de Segmentação de Confiança Zero da Illumio.
3. Visibilidade contínua. Você não pode conter o que não pode ver. A visibilidade do fluxo de tráfego em tempo real em ambientes híbridos e multicloud agora é um requisito básico.
4. Resposta aumentada por IA. Ferramentas de IA defensivas (como o Insights da Illumio, um sistema de detecção e resposta a nuvens baseado em IA) reduzem a diferença de velocidade ao automatizar decisões de contenção que os humanos não conseguem tomar com rapidez suficiente.
5. Contenção pré-estabelecida. A contenção que exige tomada de decisão humana durante uma violação ativa é muito lenta contra atacantes com velocidade de inteligência artificial. As políticas devem ser definidas e aplicadas antes do ataque, e não de forma reativa.

A conclusão estrutural: os defensores não precisam ser mais rápidos que os atacantes de IA se suas defesas já estiverem posicionadas quando o ataque começar. Essa é a vantagem assimétrica que a segmentação e as arquiteturas de Confiança Zero proporcionam.

9. Questões em aberto e debates não resolvidos

A Mythos trouxe à tona diversos debates que a indústria de cibersegurança ainda não resolveu:

O modelo de acesso restrito é o correto? A AISLE e outras empresas argumentam que exagerar a exclusividade do Mythos pode desencorajar a adoção de ferramentas de segurança com IA que já funcionam hoje usando modelos mais baratos. Contra-ataques antrópicos que controlam a trajetória da bola dão aos defensores um tempo crucial.

Com que rapidez surgirão equivalentes adversários? As estimativas variam de meses (para agentes estatais) a anos (para organizações criminosas). A resposta honesta é que ninguém sabe.

Qual é o ponto de partida ideal para uma segurança "pronta para IA"? Ainda não existe consenso na indústria sobre o que constitui uma defesa mínima viável contra ataques baseados em inteligência artificial. Estão surgindo estruturas de segurança da CISA, do NIST e da Cloud Security Alliance, mas os padrões ainda não acompanham a ameaça.

Como o seguro recalcula esse preço? As sessões do RSAC 2026, incluindo comentários do criador do Zero Trust, John Kindervag, levantaram a possibilidade de que a economia dos seguros cibernéticos esteja criando incentivos perversos que serão explorados por atacantes de IA.

Essas são as conversas que estão acontecendo nas conferências RSAC, Black Hat e Gartner Security Summit até 2026.

Eles irão moldar a arquitetura de segurança para a próxima década.

Leituras relacionadas

• Why Illumio is purpose-built for the Mythos era
• A plataforma de segmentação Illumio Zero Trust
• Segmentação de Confiança Zero para Leigos
• Segmentação de confiança zero com inteligência artificial
• Principais notícias sobre cibersegurança de abril de 2026

‍