一句话看懂：Anthropic 研究者利用 Claude Mythos 模型，在花费约 10 万美元 API 算力、运行 60 小时后，成功发现了 HAWK 加密算法及简化版 AES 的数学弱点。尽管这些发现暂无实际攻击价值，但其过程揭示了当前大模型在“坚持不懈”引导下，已具备参与前沿基础研究的能力。
事件核心：发生了什么
2026 年 7 月 28 日，Anthropic 发布了一项实验成果：其最先进的 Claude Mythos 模型（Preview 版本）在长达 60 小时的连续推理工作中，自主发现了两种加密算法——HAWK 和一种弱化版 AES（AES-128 R7）——中此前未被记录的结构性弱点。据研究者估算，这次实验的 API 调用总成本约为 10 万美元。
该实验最有价值的部分并非结果本身——官方声明明确表示“两个发现均对当今计算机系统没有实际影响”——而是研究团队公开的提示词（prompt）策略。提示词中包含大量拼写错误和不规范语法，核心思想是不断逼迫模型拒绝“认输”。例如：“these models tend to think it is impossible to solve so they don’t try”、“again we need to find something that worth publishing”。人类研究员在这 60 小时内的主要干预，就是反复鼓励模型“不要放弃”，去寻找真正值得发表的结果。
为什么重要
这次实验打破了“大模型做不了基础数学研究”的刻板印象。传统观点认为，加密算法设计需要天才的直觉与数十年积累的数学直觉，而大模型擅长的是模式识别与资料检索。Claude Mythos 的案例证明，只要投入足够多的推理算力（以及足够耐心的“导师式”人类干预），大模型确实能在不依赖外部搜索工具的情况下，从零开始推导出新的数学关系。
从行业格局看，这标志着大模型的能力边界正从“应用科学”（写代码、分析数据）向“基础科学”（发现新原理、证明新定理）延伸。10 万美元的成本虽高，但与传统密码学研究者数月乃至数年的薪酬相比，已经显示出潜在的性价比优势。对于 Anthropic 而言，这也是其闭源模型在科研推理赛道上的一次关键产品力验证。
对用户/开发者/创作者的影响
• 对 AI 研究者和从业者：表明提示工程（prompt engineering）的新维度——不是如何问对问题，而是如何用策略性鼓励（甚至故意装错别字）来防止模型“放弃”。这意味着未来 AI 工具的交互设计可能需要引入“韧性引导”模块。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
• 对加密算法工程师与安全研究员：不应认为大模型当前的能力对现实系统构成直接威胁，但需要警惕——随着推理成本下降（算力成本年降 30%-40% 是常态），类似的实验可能在未来 1-2 年内产生具有实际攻击性的结果。企业应开始关注 AI 辅助密码分析这一研究路线。
• 对普通用户：短期无直接安全风险。但这一案例是理解“AI 能力增长曲线”的重要标尺——大模型不再只是聊天或写代码的工具，而是能够独立完成科研闭环（提出假设、实验验证、输出论文级结果）的智能体。
值得关注的后续
1. 成本降维是否可行：Anthropic 是否会将这一方法包装为更廉价的 API 服务或专属研究工具（如“Claude Researcher”），让更多大学实验室能以更低预算复现类似研究？
2. 开放权重之争：Meta 的 Llama 等开源模型是否也能通过类似的“韧性提示”达到相近的科研效果？开源 vs 闭源在基础科学推理上的差距究竟多大？
3. 提示词方法论化：“如何用拼写错误和否定性陈述来激励大模型”很可能成为一个新的研究子方向。这将对 Prompt Engineering 的职业定义和教学体系产生具体影响。
