Anthropic Mythos 定价 $25/$125：最贵也是最危险的 AI 模型为何不公开
Anthropic 的 Claude Mythos Preview 定价每百万输入 token $25、输出 $125，是 Claude 标准版近 10 倍。本文深入分析其 1M 上下文窗口、自主零日漏洞发现能力，以及限制访问背后的安全 vs 算力成本双重博弈。
2026年5月15日 · 阅读约 6 分钟
核心结论
2026 年 4 月，Anthropic 悄然发布了其最强大的 AI 模型 — Claude Mythos Preview，定价高达 输入 $25/百万 token、输出 $125/百万 token，是 Claude 标准版的近 10 倍。但 Mythos 引发行业热议的不是价格，而是 Anthropic 将这款模型严格限制在约 40 家安全研究机构内使用，声称其自主零日漏洞发现能力已越过安全红线。然而同期 Anthropic 连续签署的算力采购协议、第三方 Agent 限制政策、以及泄露的内部文档，让外界质疑：不公开是因为太危险，还是因为太贵？
关键要点
- 事件时间：2026 年 4 月 7 日（Project Glasswing 发布）
- 模型定价：$25/百万输入 token + $125/百万输出 token（Claude Opus 为 $15/$75）
- 核心能力：1M token 上下文窗口、自主发现并利用零日漏洞
- 访问限制：仅限 Glasswing 计划约 40 家受邀机构，非公开可用
- 背后争议：安全限制 vs 算力成本不足，两方证据并存
背景：Mythos Preview 到底是什么
Mythos Preview 是 Anthropic 通过 Project Glasswing 计划发布的前沿安全研究模型。与 OpenAI 高调发布 GPT-5、DeepSeek V4 开源不同，Anthropic 选择了最低调的方式 — 没有博客公告、没有 waitlist、没有开发者邀请链接。
根据 Anthropic 的技术文档，Mythos Preview 仅通过四家云渠道提供：Anthropic 直连 API、Amazon Bedrock、Google Vertex AI、Microsoft Azure Foundry。但无论哪个渠道，都只面向 Glasswing 计划的审核通过者。
微软的技术文档披露了 Mythos 的详细规格：支持 1M token 上下文窗口，最大输出 128,000 token，是目前公开文档中最长的上下文模型之一。更重要的是，Anthropic 的前沿红队（Frontier Red Team）报告显示：Mythos 在测试中展现出自主发现和利用零日漏洞的能力 — 这不是从训练数据中复现已知漏洞，而是针对从未公开披露过的真实软件缺陷进行攻击。
双重博弈：安全还是成本？
安全派的证据
Anthropic 明确表示限制访问是出于安全考虑：
"如果没有必要的安全防护，这些强大的网络能力可能被用于攻击关键软件基础设施。"
Axios 引用 Anthropic 的前沿红队负责人的说法：Mythos 的自主性和漏洞发现能力"跨过了一个阈值"，在充分防护措施建立之前不公开是合理决策。
Glasswing 计划的组织形式也支持安全叙事 — 40 家精选组织（企业安全公司、云服务商、关键基础设施运营商），$1 亿计算信用额度，AWS/Microsoft/Google Cloud/Cisco 联合背书。这样的投入规模，如果只是算力不够，似乎没有必要。
算力派的质疑
然而，同期发生的三件事让安全叙事显得不那么纯粹：
| 事件 | 时间 | 内容 |
|---|---|---|
| 算力扩展合作 | 4 月 6 日 | Anthropic 与 Google/Broadcom 签署多 GW TPU 算力协议 |
| CoreWeave 租约 | 4 月 10 日 | Anthropic 与 CoreWeave 签署补充算力租约 |
| 自研 AI 芯片 | 4 月 9 日 | Anthropic 探索自研 AI 芯片，预计投入 $5 亿 |
同一时期，Anthropic 还限制了第三方 Agent 框架对 Claude 的调用，官方解释是"给系统带来过大压力"。《The Guardian》的调查更是直接提出："Too powerful to release" 这个叙事本身就在帮 Anthropic 赢取公关战争。
运行 Mythos 的真实成本
要理解算力派的论点，需要算一笔账。
一个 700 亿参数模型在 128K 上下文时，KV cache 需要约 40GB 显存。Mythos 支持 1M token 上下文，意味着 KV cache 需要约 320GB — 这还不包括模型权重、激活值和其他开销。对于数千个并发 Agent 会话，每个可能涉及多步骤自主工作流，算力需求呈指数级增长。
这种架构决定了 Mythos 天生难以大规模部署 — 无论安全与否。
估算单次调用成本
| 场景 | Input tokens | Output tokens | 成本（按 Mythos 定价） |
|---|---|---|---|
| 一次代码审计 | 100K | 20K | $5.00 |
| 一个零日分析会话 | 500K | 100K | $25.00 |
| 一个完整的 Agent 工作流 | 1M | 128K | $41.00 |
也就是说，一次深度的 Mythos Agent 会话可能花费 $25-$41。这对于漏洞研究来说尚可接受，但对于普通开发者或内容创作者来说远远难以承受。
对 AI 自动化从业者的启示
不管 Anthropic 的真实动机是什么，Mythos 发布模式为 AI 自动化从业者提供了三个重要信号：
1. 长上下文 + Agent 的成本悖论 如果你的自动化工作流需要大量上下文才能运转，运行成本会随上下文长度线性增长。设计 Agent 工作流时，必须把 token 经济学纳入考虑。盲目追求长上下文可能让运营成本失控。
2. 安全护城河 = 成本护城河 当模型能力进入"可能引发安全风险"的级别时，访问控制本身就成为了新的商业壁垒。只有得到信任的机构才能使用最前沿的模型，这意味着技术能力之外，信任和合规也成为竞争力。
3. 第三方 Agent 框架面临收紧 Anthropic 限制第三方 Agent 调用的政策不会是个例。随着模型能力提升，API 访问控制会越来越严格。如果你的自动化流水线严重依赖单一模型提供商的 API，务必预留迁移和备选方案。
工具词条（触发工具悬浮卡）
在 AI 自动化工作流中，Claude / Anthropic / OpenAI / DeepSeek / n8n / LangGraph 等工具需要根据成本和能力特点灵活组合。Mythos 的故事提醒我们：选择 AI 模型时，不能只看能力，还要看可用性和经济性。
内链引导
- 想学如何用开源模型替代昂贵的 API？看：DeepClaude 搭建教程：用 DeepSeek 跑 Claude Code 省 90%
- 了解如何用 n8n + OpenAI 搭建自动化工作流，控制 token 成本：n8n + OpenAI 自动化内容采集与发布
- 真实案例：他用 Claude + n8n 搭建 AI 自动化系统：从 $4,000 到 $12,000/月