Claude Mythos w wydaniu enterprise wykrył ponad 10 tys. krytycznych podatności: Anthropic jednoczy 13 gigantów w sojuszu bezpieczeństwa AI

Anthropic szykuje wielki ruch, ale tym razem nie chodzi po prostu o premierę nowego modelu.

7 kwietnia firma zebrała całą listę spółek, których raczej nie spodziewałbyś się zobaczyć w jednym rzędzie — AWS, Apple, Broadcom, Cisco, CrowdStrike, Google, JPMorgan, Linux Foundation, Microsoft, NVIDIA, Palo Alto Networks — i ogłosiła powołanie Project Glasswing sojuszu bezpieczeństwa. Misja jest tylko jedna: wykorzystać AI do rozwiązania problemów bezpieczeństwa najważniejszego oprogramowania na świecie.

Tego samego dnia Anthropic ujawnił drugą ważną rzecz: wewnętrznie przeprowadzono wielkoskalowe skany bezpieczeństwa korporacyjnych baz kodu przy użyciu modeli z rodziny Claude, a w ich wyniku znalezionoponad 10 tys. krytycznych podatności.

Te dwie wiadomości razem wstrząsnęły całym światem security.

Jak wykopano ponad dziesięć tysięcy krytycznych podatności

Trzeba zacząć od badań Anthropic nad bezpieczeństwem AI.

Claude Mythos to dedykowany bezpieczeństwu model badawczy, który Anthropic od dawna szlifuje wewnętrznie. W odróżnieniu od zwykłego Claude'a został zoptymalizowany specjalnie pod scenariusze takie jak inżynieria wsteczna kodu, wykrywanie podatności i testy penetracyjne — potrafi automatycznie wyszukiwać w wielkich bazach kodu luki stanowiące realne zagrożenie.

Zanim ruszył projekt Glasswing, zespół Anthropic poddał najpierw zestaw korporacyjnych baz kodu „testom warunków skrajnych” przy użyciu Claude Mythos, a wynik jeżył włosy na głowie:ponad dziesięć tysięcy krytycznych podatności, obejmujących m.in. omijanie uwierzytelniania, uszkodzenia pamięci i ataki na łańcuch dostaw.

Tych podatności nie znalazł tradycyjny skaner ani nie wykopał ręcznie inżynier bezpieczeństwa — wygenerował je automatycznie model AI.

Dla porównania: pełny audyt kodu korporacyjnego przeprowadzony przez profesjonalny zespół bezpieczeństwa trwa zwykle miesiącami i kosztuje nierzadko setki tysięcy dolarów. Claude Mythos na bazie kodu o tej samej skali skraca ten czas do dni, a nawet bardziej.

Taka właśnie jest różnica skali między narzędziami do badań nad bezpieczeństwem AI a tradycyjnymi metodami.

Jak naprawdę mocny jest Claude Mythos

Nagłówek materiału „The New York Times” z 7 kwietnia mówił wprost:“Anthropic Claims Its New A.I. Model Is a Cybersecurity Reckoning”— innymi słowy: model jest tak potężny, że sam Anthropic uznał go za nieodpowiedni do publicznej premiery.

BBC poświęciło mu następnie osobny materiał, zatytułowany po prostu:“What is Anthropic’s Claude Mythos and what risks does it pose?”

Z dostępnych informacji wyłania się obraz, w którym kluczowe możliwości Claude Mythos koncentrują się w trzech kierunkach:

– Zrozumienie kodu i inżynieria wsteczna: potrafi odczytać strukturę złożonych korporacyjnych baz kodu i znaleźć w niej luki bezpieczeństwa
– Ocena podatności na wykorzystanie: nie tylko znajduje podatność, ale też ocenia, czy da się ją wykorzystać w realnym scenariuszu ataku
– Wielkoskalowe skanowanie automatyczne: jeden przebieg po całej bazie kodu, bez ręcznego sprawdzania krok po kroku

Co oznacza taki zestaw możliwości?

Oznacza, że pracę, którą dawniej zespół bezpieczeństwa wykonywał przez trzy miesiące, AI może odwalić w kilka dni. A przy tym AI się nie męczy, niczego nie pomija i nie zraża się skomplikowanym kodem.

Project Glasswing: skąd wziął się sojusz bezpieczeństwa AI

Same możliwości AI to za mało, dlatego Anthropic zaciągnął 13 gigantów technologicznych do uruchomienia Project Glasswing.

Sama ta lista jest warta uwagi:

– Dostawcy chmury: AWS, Microsoft Azure
– Dostawcy rozwiązań bezpieczeństwa: CrowdStrike, Palo Alto Networks
– Układy / sprzęt: Broadcom, NVIDIA
– Użytkownik korporacyjny: JPMorgan
– Infrastruktura open source: Linux Foundation
– Systemy operacyjne: Apple
– Sprzęt sieciowy: Cisco
– Firmy AI: Anthropic, Google

Co oznacza taki skład? Że nie chodzi o same badania teoretyczne: możliwości bezpieczeństwa AI mają zostać wdrożone w pełnym łańcuchu — od warstwy układów, przez systemy operacyjne i platformy chmurowe, aż po aplikacje.

Główne plany Glasswing obejmują:

– Stworzenie opartego na AI standardu oceny bezpieczeństwa kodu
– Wsparcie audytów bezpieczeństwa kluczowego oprogramowania open source
– Wymianę danych wywiadowczych o krytycznych podatnościach wykrytych przez AI
– Ochronę AI dla globalnej infrastruktury krytycznej

Mówiąc wprost: chodzi o zbudowanie „sojuszu cyberbezpieczeństwa” ery AI, w którym AI służy do zwalczania ryzyk, które samo wnosi.

Prawdziwy problem kryjący się za dziesięcioma tysiącami podatności

Samo wykopanie dziesięciu tysięcy podatności nie jest newsem — świat security wykopuje je codziennie.

Prawdziwie niepokojące jest to, co kryje się za tą liczbą.

Po pierwsze, skala liczby podatności znacznie przewyższa oczekiwania.

Wszyscy wiedzieli, że korporacyjne bazy kodu mają luki, ale co właściwie mówi poziom „ponad 10 tys. krytycznych”? Mówi, że kontrole bezpieczeństwa w obecnych procesach wytwórczych po prostu nie wystarczają. Kod jest gotowy, skaner bezpieczeństwa przechodzi, wszystko na zielono — a luki i tak zostają. Zaangażowanie AI obnażyło ten problem znacznie mocniej.

Po drugie, co mówi rozkład tych podatności.

Anthropic nie ujawnił, których typów podatności jest najwięcej, ale z samego składu uczestników Glasswing można wywnioskować, że kluczowymi kierunkami powinny być podatności łańcucha dostaw (bo jest Linux Foundation), podatności uwierzytelniania (bo są dostawcy chmury i klient korporacyjny) oraz podatności infrastruktury (bo są producenci układów i systemów operacyjnych).

Po trzecie, „wykrycie” nie oznacza „naprawienia”.

Wykopanie podatności to dopiero pierwszy krok. Dziesięć tysięcy krytycznych podatności — kto je naprawi i ile to potrwa? Wiele historycznych luk w korporacyjnych bazach kodu istnieje od pięciu do dziesięciu lat, a każda naprawa musi uważać, by nie zepsuć istniejących funkcji.

Obosieczny miecz narzędzi bezpieczeństwa AI

Trzeba tu koniecznie powiedzieć jedną rzecz: skoro Claude Mythos potrafi wykopywać podatności, inni również mogą użyć podobnego AI, by je wykopywać.

Anthropic zdecydował się nie publikować Claude Mythos, uzasadniając to tym, że jest „zbyt niebezpieczny”. To spójne z jego podejściem z czasów Claude Opus 4 — najpierw ocena ryzyka, potem decyzja o stopniu otwartości.

Problem jednak w tym:

– Czy inne firmy stworzą podobne, a nawet mocniejsze modele?
– Co, jeśli te modele trafią w ręce atakujących?
– Czy firmy zdążą załatać własne luki przy użyciu AI, zanim zrobią to atakujący?

Glasswing jest poniekąd odpowiedzią na to pytanie:zamiast koncentrować możliwości bezpieczeństwa AI w rękach kilku firm, lepiej zjednoczyć całą branżę i zbudować barierę obronną. Atakujący mają AI, więc obrońcy też muszą je mieć — i to szybsze, celniejsze i bardziej systemowe.

Jak powinien na to patrzeć zwykły deweloper

Jeśli jesteś deweloperem albo inżynierem bezpieczeństwa, ta sprawa ma kilka warstw:

W krótkim terminie: mechanizm wymiany podatności Glasswing obejmie w pierwszej kolejności kluczowe projekty open source i infrastrukturę. Na własną linię produktową na razie nie masz co liczyć. Warto jednak śledzić publikowane później standardy techniczne i metody oceny podatności.

W średnim terminie: wyspecjalizowane modele bezpieczeństwa pokroju Claude Mythos będą stopniowo wchodzić do korporacyjnych łańcuchów narzędzi bezpieczeństwa. Podobne możliwości AI możesz zobaczyć w przyszłych wtyczkach do IDE czy w procesach skanowania bezpieczeństwa w CI/CD. Wcześniejsze rozeznanie w tym kierunku nie zaszkodzi.

W długim terminie: wyścig zbrojeń między badaniami nad bezpieczeństwem AI a badaniami nad atakami AI będzie tylko coraz bardziej zacięty. Możliwości AI po stronie obrony rosną, ale po stronie ataku ewoluują równie szybko. Powstanie Glasswing pokazuje, że wielkie firmy traktują to już jako problem strategiczny.

Dlaczego ten moment jest ważny

W 2026 roku agenty AI zaczęły masowo wchodzić do korporacyjnych workflowów — od generowania kodu po przetwarzanie danych, od systemów wewnętrznych po interakcję z klientem. Modele takie jak Claude czy GPT zaczęły przenikać do kluczowych procesów biznesowych firm.

Gdy AI zaczyna przetwarzać wrażliwe dane, pisać krytyczny kod i łączyć się z systemami produkcyjnymi,luki bezpieczeństwa samego AI i luki wykrywane przez AI stają się dwiema stronami tej samej sprawy.

Glasswing i te dziesięć tysięcy podatności to kamień wrzucony przez Anthropic do wody — firma chce, by cała branża zrozumiała, że bezpieczeństwo AI nie jest problemem technicznym, tylko ekosystemowym.

Pojedyncza firma tego nie rozwiąże — potrzeba całej branży.

To też tłumaczy, dlaczego Apple, Microsoft czy Google — firmy, które na co dzień ze sobą konkurują — potrafiły usiąść przy jednym stole.

Na koniec jedno zdanie

Dziesięć tysięcy krytycznych podatności to liczba, która nie ma budzić lęku.

Anthropic zrobił z pomocą AI wielkoskalowy „przegląd stanu zdrowia”, a potem pokazał wyniki całemu światu. Raport z badań jest na stole — pytanie, jak zamierzasz zareagować.

Czekasz na wejście w życie standardów Glasswing, czy już teraz robisz własnej bazie kodu pełny skan narzędziami AI?

Tego wyboru musisz dokonać sam.