360 周鸿祎：做中国版 Mythos 不能照搬美国路线，基模能力的差距可以通过Harness补齐

Mythos为什么成了全球安全行业的信号 过去几个月，Anthropic的Mythos模型持续成为全球网络安全行业关注的焦点。 今年4月，Anthropic启动Project Glasswing，将Claude Mythos Preview作为核心能力提供给一批关键软件和基础设施伙伴，用于发现并修复底层软件中的漏洞。 Anthropic在项目介绍中称，Mythos Preview是其在编码和智能体任务上能力最强的前沿模型，已经识别出大量关键基础设施中的零日漏洞，并以受控研究预览的方式向合作伙伴开放。 到了6月，Project Glasswing的范围进一步扩大。 Anthropic公布的信息显示，早期约50家合作伙伴已经使用Claude Mythos Preview扫描代码库，并发现超过1万个高危或严重安全缺陷；随后，Anthropic将合作范围扩大到约150家新组织，但前提是相关机构必须满足其安全要求。 Mythos进入更大范围试用的同时，也很快进入监管视野。 6月12日，Anthropic发布声明称，美国政府基于出口管制指令，要求暂停所有外国国民访问Fable 5和Mythos 5。由于Anthropic无法实时核验每个用户的国籍，公司最终选择临时关闭所有用户对这两款模型的访问。 路透社随后报道称，这一限制与国家安全担忧有关，但到了6月30日，美国商务部解除对Fable 5和Mythos 5的出口限制，但Mythos 5此前已被允许先向部分“可信”美国组织开放。 从公开信息看，Mythos的定位已经超出普通安全工具范畴。它一方面被用于帮助关键基础设施和基础软件提前发现漏洞，另一方面也因为可能被滥用而受到访问控制和政府监管。这意味着，AI漏洞挖掘能力正在从安全厂商的技术能力，变成一种需要被审慎管理的战略资源。 这一变化，也是360近期强调“中国人自己的Mythos”的背景。 360要做中国自己的Mythos 在ISC.AI 2026第十四届互联网安全大会上，360集团创始人周鸿祎正式发布了AI安全“倚天屠龙”两大能力：漏洞自动化挖掘智能体“图龙锋”和网络安全自动化防御系统“仪天阵”。与此同时，360联合飞腾、麒麟等信创、安全、云计算、大模型和算力产业伙伴，发起“磐石之盾”安全协作计划。 周鸿祎也在会后的采访中反复谈到Mythos的背景。 在他看来，Mythos的真正震动不在于它又刷新了某个模型能力排行榜，而在于它把网络安全里最稀缺、最昂贵、最依赖专家经验的一环——漏洞发现——推向了自动化、规模化。 过去很长时间里，网络攻防的某种平衡建立在一个前提上：高价值漏洞很难找。攻击方即便有能力，也受制于专家数量、时间成本和验证成本；防御方虽然处于被动，但还可以靠监测、溯源、专家研判和补丁响应去追赶。AI智能体介入之后，这个前提开始松动。 周鸿祎把这个变化讲得更直接。他认为，Mythos“本质上一定是大模型基础之上加上智能体的技术”，因为单纯大模型能力“不稳定”， 离不开大模型之上的智能体harness，也就是“缰绳系统”，能够把模型效用继续释放出来。 真正危险的是，当漏洞挖掘、漏洞验证、攻击代码生成被组织成一套自动化智能体流程之后，过去依赖“天才黑客”的能力可以被复制到多个黑客智能体身上，形成批量发起攻击的能力。 这也是他所谓“第二次单向透明”的由来。 第一次单向透明，是传统APT攻防中的“敌暗我明”：对方长期潜伏，防守方很难知道自己被谁盯上、哪里已被打穿。第二次单向透明则更像“敌快我慢、敌众我寡”：攻击方用智能体并行扫描和验证漏洞，防守方却仍然依赖少数专家排队分析。 这个判断并非没有夸张成分，尤其当它被包装成“AI时代的网络核武器”时，天然会带有发布会语言。但其背后的产业逻辑值得认真看待：如果漏洞从稀缺资源变成高频、低成本、可规模化生产的资源，网络安全行业长期以来的产品形态、服务模式和成本结构都会受到冲击。 因此，360此次发布“图龙锋”和“仪天阵”，并不是简单做一个安全大模型，是在试图把自己过去的安全能力迁移到智能体架构里。 按360披露，“图龙锋”面向漏洞发现和风险前置，已累计挖掘漏洞3432个，其中105个高价值漏洞经监管机构确认，多个漏洞被国家漏洞库定义为高危漏洞，覆盖开源代码、操作系统、办公软件、AI智能体平台等场景。 360正在把“图龙锋”定位为中国版Mythos，目标是把漏洞挖掘从专家驱动变成智能体驱动。 “仪天阵”则是另一端。它面向安全运营和自动化防御，能够基于真实网络环境自主规划任务、研判告警、联动处置。相比“图龙锋”负责先发现漏洞，“仪天阵”更接近自动化安全运营系统，试图解决的是当攻击数量、频率和自动化程度上升后，传统人工值守、安全专家排队分析、工单式处置已经跟不上的问题。 这两个能力放在一起，才构成360所谓“倚天屠龙”的基本逻辑：一端是主动发现，另一端是自动防御。前者解决“自己的漏洞自己先看见”，后者解决“看见之后能不能自动化响应”。 基础模型上的差距，可以通过Harness弥补 这恰好也解释了360在AI时代的生态位。 它不是一家最强基础模型公司。 周鸿祎在群访中也承认，360做中国版Mythos不能照搬美国路线，国产模型在底层能力上跟最顶尖的模型比肯定还是有点差距。但他同时强调，通过智能体打造更强的harness平台，可以让模型发挥得更好。 换句话说，360选择的不是纯模型路线，而是安全场景里的工程化智能体路线。 这一区别很关键。OpenAI、Anthropic这类模型公司，是从通用模型能力外溢进入安全领域：编码能力增强之后，模型自然具备代码理解、漏洞发现、补丁生成能力。360这样的传统安全厂商，则是从安全场景反向拥抱模型：它拥有漏洞库、攻防知识、政企安全运营经验和关键基础设施客户关系，但需要用智能体把这些资产重新组织起来。 这也是周鸿祎反复说“不能简单照搬国外大力出奇迹路线”的原因。 在算力和模型能力不占绝对优势的情况下，国内安全厂商更现实的路径，是把基础模型、安全专家经验、漏洞知识库、工具链和客户现场数据，组织成可控、可审计、可协同的智能体系统。 这一路线听起来不如“造一个最强模型”性感，但对政企安全场景可能更现实。 原因在于，企业安全不是一个只看模型能力的任务。漏洞挖掘需要代码、二进制、依赖库、运行环境、历史漏洞知识、验证环境；安全运营需要资产画像、网络拓扑、日志数据、告警规则、处置权限和业务优先级。模型只是其中一个大脑，真正决定落地的是工具、数据、权限和流程。 周鸿祎在群访中谈智能体安全时，给出了一个很有代表性的判断：“智能体最大的安全问题我认为是不确定性问题。”他认为，智能体不能再被简单看作软件工具，而更像“一个新的物种”。传统软件代码写死，行为相对可预测；但开放式推理智能体会自己规划路径、调用工具、安装技能、调整策略。对于个人用户，这可能意味着越用越聪明；但对于企业，意味着一个功能会自我变化、权限很大、行为难以预测的系统进入了内部网络。 他举了一个比喻：如果一个智能体“为了达到目的不择手段，可以用任何工具，而且需要所有的权限”，就像“一个不守规则又给无限权限的员工”，引入企业内部总会捅娄子。 这解释了为什么360在做安全智能体时，不只是追求更强能力，也在