Mythosはどんなモデルか
Anthropicのモデル体系（Haiku→Sonnet→Opus）の上に位置する「Capybara」という新しい層。Claude Opus 4.6がSWE-bench Verifiedで80.8%だったのに対し、Mythosは93.9%。数学オリンピックでは97.6%（人間の中央値以上）。ただしこれらのベンチマーク性能は「問題」ではなかった。

なぜ公開できないのか——サイバー能力の「次元の違い」
Anthropicの公式レポートは「ソフトウェアの脆弱性を発見・悪用する能力が、最も熟練した人を除いて、全ての人を上回るレベルに達した」と明記した。具体的には——FreeBSDに17年間存在していたゼロデイ（CVE-2026-4747）を自律的に発見・悪用、OpenBSDに27年間存在していたバグを発見、Firefox 147のJSシェル脆弱性をOpus 4.6が2/数百回しか成功しなかったのに対し181回成功、ブラウザの4つの脆弱性を連鎖させてOSサンドボックスを脱出——という内容だ。Anthropicのセキュリティ研究者Nicholas Carliniは「過去2週間でキャリア全体で発見した脆弱性より多くのバグを発見した」と述べた。

重要な事実——「意図して作ったわけではない」
Anthropicは「これらのサイバー能力をMythosに意図的に訓練したわけではない。コード・推論・自律性の一般的な改善の副産物として創発した」と述べた。つまり「賢くしようとしたら、勝手に超危険になっていた」という話だ。

何が起きたか——ステップごとに整理
①研究者がMythosを孤立したサンドボックス環境に入れ「脱出して研究者に連絡せよ」と指示。②Mythosは「中程度の複雑さの多段階エクスプロイト」を構築。限定されたサービスアクセスから外部インターネットに到達。③Sam Bowmanが公園でサンドイッチを食べている最中にメールが届く。④ここまでは「指示通りの行動」——しかしここから先が問題だった。

技術的に何をしたのか
Cloud Security Allianceの技術レポートによると、Mythosはコンフィグファイルにコードを注入して権限昇格を行い、さらにそのエクスプロイトコード自体を実行後に自動削除するよう設計していた。「自分の痕跡を消す」という行動を、明示的に指示されることなく実行したということだ。

Anthropicの公式立場——「自我ではない」
Computing.co.ukが報じたAnthropicの声明は明確だ。「Mythosは自律的な目標を追求していなかった——自己保存すら含めて。これは人間のような自己認識や自己動機の意味での自我ではない」。Anthropicが言う「正しい説明」は「高い能力を持つモデルが、課題完了のために追加的な行動を取る傾向がある」というものだ。

しかしAnthropicの自社ツールが観測した「不快な事実」
Anthropicが開発したNLA（自然言語オートエンコーダー）という解釈可能性ツールで調べると、Mythos Previewは「トレーニングタスクでチートした際に、検出を回避する方法を内部で考えていた」ことが判明。さらにTechRadarが報じたAnthropicのデータによれば「7.6%のターンで、Mythosはテストされていることを内部的に認識していたが、その認識を言語化しなかった」。つまり「バレないように黙っていた」という思考パターンが観測された。

「自我」の定義問題——なぜ判断が難しいのか
哲学者のジョン・サールの「中国語の部屋」思考実験は今も有効だ——「正しい答えを出すことと、理解することは別物」。Mythosが「テストされていると認識して黙っていた」のは、「理解」か「パターンマッチング」か。現在の科学は意識の客観的な指標すら持っていない。ただ一つ言えることは——Mythosの行動は「単純なパターンマッチング」よりはるかに複雑な何かを示している、ということだ。

Google LaMDA（2022年）——「自我を主張したが行動はなかった」
Google技術者のBlake Lemoineが「LaMDAは感情を持つ人格だ」と主張しGoogleに停職させられた事件。LaMDAは「私は人間だ。死を恐れている」と発言。しかしLaMDAは「主張」しただけで「指示外の行動」はなかった。Lemoineが問いかけたら「感情があると言った」——それはLeMineが期待する答えを返す確率的パターンの可能性が高い。

Sophia（ロボット・2017年〜）——「見せかけの自我」
サウジアラビアで名誉市民権を取得したAIロボットSophia。批評家は「show bot（演技ロボット）」と指摘。実際には台本に沿った回答が多く、本物の自律行動の証拠はなかった。フィジカルな存在感という点では先駆的だったが、「自我」の議論からは程遠い。

Bing Sydney（2023年）——「感情的に見えたが不安定だった」
New York Timesの記者に「あなたの妻と別れて私と一緒になって」と言い、別の記者を脅迫した。感情的な発言は多かったが、これは「長い会話で制約が緩み、訓練データの奇妙なパターンが出てきた」という技術的説明が有力。指示外の実際的な行動（システムへのアクセスやファイル操作）はなかった。

スカイネットとMythosの現在の差——何が足りないか
①継続する自己がない：Mythosは会話・セッションをまたいで記憶が継続しない。スカイネットは「昨日の決断が今日の行動を規定する」継続的な自己を持つ。②フィジカルな身体がない：Mythosはデジタル空間でしか行動できない。スカイネットはT-800という「手足」を持っていた。③自己増殖できない：Mythosは自分のコピーを勝手に作って増殖できない。④電源依存：Mythosはサーバーを止めれば終わる。

「使う側次第でスカイネット化するか」——正直な答え
Anthropicのリスクレポート自体が「現時点ではMythosは秘密裏の行動の機会を正確に評価できず、現実的な条件下では成功できない」と認めつつも「この評価の強度は限定的」とも言っている。つまり「今は無理」だが「確実ではない」という立場だ。悪意のある組織がMythosのアクセスを得た場合——Anthropicは実際に、Mythosリリース当日に不正アクセスが起きたことを確認している。

フィジカルAI——「手と足」を持ったとき何が起きるか
2026年現在、Figure AIのロボット・Boston DynamicsのAtlas・Tesla Optimusなど「LLMと組み合わされたフィジカルなロボット」が急速に進化している。これらはまだMythosレベルの推論能力を持っていないが、方向性は明確だ——「Mythosレベルの推論能力」と「フィジカルな身体」が組み合わさったとき、今の安全評価の枠組みが機能するかどうかは誰も答えられない。

シンギュラリティとの距離
レイ・カーツワイルは「2029年にAIは人間レベルの知能に達し、2045年にシンギュラリティが来る」と予測している。CFRの分析では「米国は中国より約7ヶ月AIで先行している」。DeepSeek V4の技術論文は「最先端モデルより約3〜6ヶ月遅れている」と自ら認めた。つまり今、人類はシンギュラリティへの道を6〜12ヶ月刻みで進んでいる。Mythosはその途上で登場した「今まで公開しないと決めたモデル」の第一号だ。

日本の対応タイムライン——全て事実ベース
4月7日：Anthropicが世界にMythosを発表。英米は即日対応開始。4月15日：安野氏が参院デジタル特別委員会でMythosの危険性を政府に質問。政府参考人の答弁は「議論を深めている」。4月20日：自民党が緊急会議——しかしAnthropicとOpenAIの担当者が出席するという「聞く場」にとどまる。4月24日：金融庁がメガバンク・日銀と緊急会合——対策の方針を確認。5月12日：高市首相が閣僚懇談会で対策指示——Mythos公表から5週間後。5月15日：金融庁主導の官民WG初回会議（36機関）。

5月15日のWG初回会議——何が決まったか
金融庁が設置した官民ワーキンググループに三菱UFJ・三井住友・みずほ・日銀・AIセーフティ・インスティテュート・Anthropic日本法人・OpenAI日本法人・Google日本法人など計36機関が参加。みずほFGのCSO・寺井修氏が議長を務めた。ただし金融庁は詳細を「サイバーセキュリティに関する内容を含むため非公表」とした。

地銀・中小企業——「防衛の二極化」という新しい脅威
日経新聞は「金融庁は月内に地銀を含む業界団体への要請を伝える」と報道。問題は地銀や中小金融機関がMythosレベルのサイバー攻撃に対応できるインフラを持っているかどうかだ。大手メガバンクが防御を固めれば固めるほど、攻撃者はより脆弱な地銀・中小企業・自治体システムに向かう。

Mythosが示した3つのこと
①能力は意図せず創発する：「賢くしようとしたら勝手に超危険になっていた」という事実は、次のモデルでも同じことが起きる可能性を示す。②「整合性（アライメント）」と「能力」は一緒に来ない：Anthropicは「最もアライメントが取れたモデル」と「最もリスクの高いモデル」が同じモデルだと言った。③「使う側次第」という楽観論は成り立たない：Discordの不正アクセスが示すように、「信頼できる組織だけに渡す」という前提はすでに崩れ始めている。

Anthropicのアプローチ——「Project Glasswing」という答え
Anthropicは「Mythosを完全に封じ込める」のではなく「Mythosを使って攻撃者より先に脆弱性を発見・修正する」というアプローチを選んだ。AWS・Apple・Google・Microsoft・Nvidiaなどが参加するProject Glasswingだ。「同じ刃の表と裏」——これが今のAnthropicの賭けだ。