Model "Mitologi" Anthropic secara tak terduga bocor: Situasi keamanan kripto dan DeFi menjadi tegang secara mendadak

Judul

Anthropic secara tak terduga membocorkan model “Mitos” (kode internal Capybara), dikabarkan melampaui Opus dalam beragam tugas. Lingkaran keamanan kripto mulai serius membahas apa artinya ini.

Ringkasan

• Sebuah cuitan dari komentator AI Xiao Hu (@xiaohu) membawa model uji coba internal Anthropic “Mitos” ke hadapan publik. Data cache yang bocor berisi materi draf terkait pengkodean, penalaran akademik, dan performa keamanan siber.
• Anthropic mengonfirmasi keberadaan model tersebut, dan sedang melakukan uji awal dengan sejumlah kecil klien. Pihak luar umumnya menganggap model itu jauh lebih unggul daripada Opus, bahkan pihak eksekutif dari lab lain turut memperhatikannya.
• Untuk ranah kripto, ini adalah pedang bermata dua: di satu sisi dapat memperkuat audit smart contract, namun di sisi lain juga membuat orang lebih cepat menemukan dan memanfaatkan celah keamanan di rantai.
• Penilaian garis bawah: kedua sisi, serangan dan pertahanan, akan dipercepat; ritme dan ambang keamanan semuanya meningkat.

Analisis

Berdasarkan laporan CoinDesk pada 27-28 Maret 2026:

• Materi yang bocor menunjukkan bahwa “Mitos” secara nyata lebih kuat daripada Opus dalam berbagai tolok ukur (termasuk tugas keamanan siber), yang berarti persaingan antara Anthropic dan OpenAI memasuki tahap baru. Xiao Hu bercanda bahwa Altman “tidak bisa tidur,” yang mencerminkan persepsi umum industri bahwa persaingan telah meningkat.
• Ini sejalan dengan pola konsisten ekspansi AI: model yang lebih besar biasanya dapat membuka skenario baru seperti “aplikasi berbasis agen” dan “penemuan celah otomatis.” Namun, dokumen draf itu secara langsung menyebut “risiko keamanan siber yang belum pernah terjadi sebelumnya,” sehingga ketegangan antara serangan dan pertahanan terlihat jelas.
• Proyek AI terdesentralisasi (misalnya Bittensor) dalam jangka menengah-panjang menghadapi satu masalah: lab yang tersentralisasi terus mendorong kurva performa ke atas; jika tidak bisa mengejar iterasi, premi narasi dan korelasi marjinalnya akan ditekan.
• Kebocoran itu sendiri adalah kesalahan operasional dasar. Ini sekali lagi mengingatkan kita: kelemahan keamanan pertama-tama berasal dari manusia, bukan dari model itu sendiri.

Penilaian Dampak

• Kepentingan: Tinggi
• Kategori: Kemajuan model / Keamanan / Riset

Poin-poin Utama

• Ambang performa ditingkatkan: melampaui Opus pada tugas pengkodean dan keamanan, kemampuan terdepan kembali didorong ke atas.
• Serangan dan pertahanan sama-sama dipercepat: alat audit makin kuat, tetapi rantai serangan juga dipersingkat.
• Pelajaran dari operasional: cache yang tidak diperkuat menyebabkan kebocoran; sekali lagi terbukti bahwa kesalahan manusia adalah sumber risiko terbesar.
• Penetapan ulang harga dari sisi dana: token AI terdesentralisasi (misalnya TAO milik Bittensor) dapat tertekan; proyek-proyek terkait keamanan punya keunggulan relatif.
• Penyebaran opini ke luar: transmisi Xiao Hu memperbesar dampak kejadian ini di kalangan Tionghoa, yang mungkin memicu pembahasan kebijakan.

Konteks Latar Belakang

• Jalur penyebaran: cuitan Xiao Hu → perhatian pihak eksternal → Anthropic mengonfirmasi uji coba internal → media mengikuti (CoinDesk).
• Dimensi peningkatan kemampuan: pengkodean, penalaran akademik, keamanan siber.
• Risiko intuitif: ambang untuk penemuan celah secara otomatis, pemanfaatan celah, dan ekspansi horizontal semuanya menurun.

Kelompok yang Mungkin Terdampak

• Pengembang dan tim keamanan:
  • Keuntungan: tersedia alat analisis statis/dinamis yang lebih kuat.
  • Kerugian: siklus dari penemuan zero-day hingga pemanfaatan dipersingkat, jendela audit makin sempit.
• Trader dan pihak yang menaruh dana:
  • Keuntungan: perhatian pada jalur keamanan meningkat, mungkin terjadi arus dana masuk yang bersifat bertahap.
  • Kerugian: narasi AI terdesentralisasi bisa ditekan oleh “kesenjangan performa,” token terkait tertekan.
• Pihak ekosistem dan infrastruktur:
  • Prioritas: konfigurasi bounty kerentanan, pemantauan real-time, mekanisme rollback dan asuransi setelah kejadian.

Tag

Model AI, persaingan, keamanan, riset

Kesimpulan: Untuk kabar ini, tim keamanan harus segera bertindak; trader dapat mempertimbangkan imbal hasil relatif dari permainan pada jalur keamanan; pemegang jangka panjang dan dana perlu menaikkan anggaran keamanan serta memantau ritme serangan dan pertahanan. Proyek yang melewatkan jendela penguatan saat ini akan sangat pasif.