高盛首席执行官大卫·所罗门表示,他对Anthropic旗下Mythos AI模型的能力"高度警觉",并在该公司发出网络安全风险警告后,正与其"密切"合作。
这家美国银行一直在持续关注人工智能领域的快速发展动态,包括大语言模型的演进,将其纳入防御黑客攻击的整体安全战略之中。
"显然,大语言模型正在快速迭代,在美国政府和模型开发商的协助下,我们对这些新模型不断增强的能力保持着高度关注。"所罗门在周一的业绩电话会议上对分析师表示。
他提到的合作方包括Anthropic——Claude系列AI工具的开发商。上周,该公司宣称其最新模型Mythos因能够发现IT系统漏洞而构成前所未有的安全风险。
"AI模型的代码能力已经达到了一个新高度,除极少数顶尖专家外,它在发现和利用软件漏洞方面已能超越绝大多数人类。"Anthropic上周三在一篇博客文章中写道,"由此引发的后果——无论是对经济、公共安全还是国家安全——都可能极为严峻。"
所罗门在周一表示:"我们了解Mythos及其能力……我们已经获取了该模型,正在与Anthropic以及所有安全供应商紧密协作,尽可能地驾驭前沿技术能力。这将持续是我们工作的重要重心。"
"我们高度重视网络安全与基础设施韧性的强化建设。这是我们持续投入的能力建设的一部分,并且正在加快投资步伐。"
此前,美国财政部长斯科特·贝森特已于上周召集所罗门及其他美国大型银行高管赴华盛顿,专门就Mythos模型展开讨论。
此次会议重点关注所谓"系统重要性银行"的负责人——监管机构认为,这类银行一旦发生重大运营中断乃至倒闭,将对金融稳定构成威胁。
周一,英国政府人工智能安全研究院(AISI)警告称,与此前的模型相比,Mythos在网络威胁层面是一次"重大升级"。
AISI指出,Mythos能够在无需人工干预的情况下,独立执行需要多个步骤的攻击操作,并自主发现IT系统中的安全弱点。通常情况下,这些任务需要专业人员耗费数天才能完成。Mythos是首个成功完成AISI设计的32步网络攻击模拟任务的AI模型,在10次尝试中有3次成功解决了该挑战。
AISI表示,Mythos看似已具备自主攻击规模较小、防护薄弱的IT系统的能力,但由于测试环境缺乏防御工具等安全机制,目前尚无法确定其是否能够攻破防护完善的系统。
AISI的博客文章最后发出警告:未来的高级AI模型只会在Mythos的基础上持续进化,因此"现在投资网络防御至关重要"。
英国监管机构预计将在未来数周内,就Mythos的风险问题与英国各大银行高管及政府官员展开专项沟通。由各银行首席执行官以及财政部、英格兰银行、金融行为监管局和国家网络安全中心官员共同组成的跨市场运营韧性小组(CMorg),预计将在未来两周内召开会议。
英格兰银行负责CMorg相关事务的沟通工作,目前对此不予置评。
Q&A
Q1:Mythos AI模型存在哪些具体的网络安全风险?
A:根据Anthropic和英国AISI的评估,Mythos AI模型能够在无需人工干预的情况下,自主发现和利用软件漏洞,执行需要多个步骤的网络攻击操作。通常需要专业人员数天才能完成的任务,Mythos可以独立完成。它是首个成功完成AISI设计的32步网络攻击模拟任务的AI模型,在10次尝试中有3次成功。目前评估认为它能攻击防护薄弱的小型系统,但对防护完善系统的攻击能力尚不明确。
Q2:高盛是如何应对Mythos AI带来的安全威胁的?
A:高盛CEO大卫·所罗门表示,高盛已经获取了Mythos模型,并正与Anthropic及所有安全供应商展开密切合作,以充分掌握和驾驭前沿AI能力。与此同时,高盛也在持续加大对网络安全和基础设施韧性建设的投资力度,将其列为公司重要战略重心。
Q3:英国政府和监管机构对Mythos AI的风险态度如何?
A:英国政府人工智能安全研究院(AISI)已于近期发出警告,认为Mythos在网络威胁层面较此前模型有显著提升。英国监管机构还计划在未来数周内与各大银行高管及政府官员专门讨论Mythos的风险问题,跨市场运营韧性小组(CMorg)预计两周内将召开相关会议。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。