Opus 5 在网络安全任务上比 Opus 4.8 更强，但在利用开发方面仍远逊于 Mythos 5。

Opus 5 在网络安全任务上比 Opus 4.8 更强。但在开发漏洞利用方面仍大幅落后于 Mythos 5。其安全防护设计旨在允许开发者识别和修复软件漏洞，同时阻断高风险用途。

新模型 Opus 5 在网络安全任务上优于 Opus 4.8，但在漏洞利用开发上仍大幅落后于 Mythos 5。其安全防护旨在允许开发者识别并修复软件漏洞，同时阻断高风险使用。

• Opus 5 网络安全任务优于 Opus 4.8。
• 漏洞利用开发仍大幅落后 Mythos 5。
• 安全设计允许修复漏洞但阻断高风险用途。
• 模型安全能力分化明显，需匹配场景。

这是一条关于 AI 模型网络安全能力的对比信号。Opus 5 在常规网络安全任务上超越上一代，但在更复杂的漏洞利用开发上明显逊于另一竞品，说明不同模型在安全能力路径上存在分化。

该信号的重要性在于：模型的安全防护设计强调“允许识别与修复漏洞，但阻断高风险利用”，这反映了 AI 安全从单纯拒绝向差异化管控的转变。对安全研究者、AI 开发者和企业安全团队而言，这意味着模型的选择需匹配具体任务——若需防御性安全分析，Opus 5 是不错选择；若需测试攻击面，则需寻找更擅长漏洞利用的模型，但需符合合规要求。

可采取的行动包括：安全团队可评估 Opus 5 在漏洞扫描、代码审计中的实际表现，并将其纳入工具链；AI 开发者则应关注模型安全机制对业务场景的限制，确保合法用途不被误伤。风险方面，此类对比可能夸大单一维度能力，实际效果需在真实环境中验证，同时需警惕安全机制被绕过的可能。

这条信息差在于揭示了前沿模型在安全子领域的能级差异，而非笼统的“更强”或“更弱”。Opus 5 与 Mythos 5 的对比，表明安全能力不是一个单一指标，而是分任务、分场景的复合维度。对从业者而言，获取这种细分对比能避免选型时的误判，例如将防御性模型用于攻击性测试，或反之。

业务启发是：安全服务商或企业内安全团队可以将模型能力作为服务分层依据，针对不同安全需求推荐不同模型，甚至构建混合流程，用 Opus 5 做漏洞发现、用 Mythos 5（若可合法获取）做压力测试，再结合人工审核，形成更完整的防护闭环。可沉淀动作是建立模型安全能力评测基准，持续跟踪多代模型在网络安全任务上的表现，并输出选型指南。

• @claudeai 原帖