Claude Mythos が変えるAIエージェントの限界——Project Glasswingが示す未来

Claude Mythos の存在は、AIエージェント研究に一つの転換点をもたらしました。2026年初頭に Anthropic が発表した Mythos は、シンプルな API ではなく、AIが自律的に複雑なタスクを長時間実行できる可能性を実証したのです。

だが、最も注目すべきは、その力ゆえに無制限公開されていないという事実です。

Claude Mythos の性能——数字が物語る

Mythos のベンチマークは、Opus 4.6 を大きく上回る。

主要指標:

SWE-Bench Verified: 93.9%（Opus 4.6: 80.8%）
GPQA Diamond: 94.6%（Opus 4.6: 91.3%）
サイバーセキュリティ評価: 83.1%（Opus 4.6: 66.6%）
Humanity's Last Exam（ツール使用時）: 64.7%

数学、科学、プログラミング、セキュリティの全領域で前世代を突破しています。特にセキュリティベンチマークの +16.5% は、単なる「性能向上」ではなく、AIがセキュリティ脅威を自律的に検出・利用できるレベルに到達したことを意味します。

Project Glasswing——制限公開の理由

Mythos が完全にオープンアクセスされていない背景に、Project Glasswing があります。

Glasswing には Apple、Google、JPMorganChase、Microsoft、サイバーセキュリティ企業など50社以上が参加し、$100M超のクレジットを配布されています。なぜそこまで限定的なのか。答えは、Mythos の最も危険な能力にあります。

ゼロデイ脆弱性の自律発見と連鎖:

Mythos は、開発者が未発見のセキュリティ脆弱性を Windows、macOS、Linux、Chrome、その他プロダクション環境で自律的に発見できます。さらに問題は、それが1つではなく、数千件の高深刻度脆弱性を発見可能なレベルにあることです。

無制限に公開されれば、悪意あるアクターが同じ能力を使い、本来非公開のゼロデイを大規模に悪用する可能性が出る。防衛能力が確立される前に脅威を晒すことのないよう、Anthropic は招待制の枠組みを選んです。

AI エージェントの本当の課題

Mythos の何が革新的なのか。単なる「回答の精度向上」ではなく、次の3点です。

1. 長時間の自律実行

従来のLLMは、単一の API 呼び出しで応答を返す。Mythos は数時間にわたり、複雑なコードベースを分析し、ステップバイステップで問題を解決できます。SWE-Bench Verified の 93.9% は、実際のソフトウェアエンジニアリングタスク（バグ修正、機能実装）を自律的に完遂できることを示しています。

2. マルチステップ計画能力

単純な「質問→回答」ではなく、目標を分解し、複数のツール、APIを組み合わせて実行します。最終目的に到達するまでの経路を自分で計画できます。これはプロンプトエンジニアリングで実現可能ではなく、モデルの内部構造（推論能力・メモリ管理）の進化を意味します。

3. コンテキスト拡張と記憶

Mythos は 1M（100万）トークンのコンテキストウィンドウを持ちます。つまり、数時間のやり取りを全て記憶し、初期の指示を後半でも参照可能。エージェントが自分の判断を「一貫性を保ちながら」修正できます。

開発者への実質的な影響

Project Glasswing に参加していない開発者にとって、Mythos はまだ直接使えありません。だが、その存在は市場に影響を与えています。

1. エージェント設計パターンの明確化

Mythos がどう設計されているかは非公開だが、SWE-Bench での成功パターンは公開されています。長時間実行、ツール統合、エラーハンドリング、バージョン管理といった要素が重要であることが浮かび上がる。

# エージェント設計の参考パターン
class AutonomousAgent:
    def __init__(self, model, tools):
        self.model = model
        self.tools = tools
        self.execution_history = []
        self.max_steps = 50
    
    def run(self, task):
        plan = self.model.generate_plan(task)
        for step in plan:
            result = self.execute_step(step)
            self.execution_history.append({
                'step': step,
                'result': result,
                'context': self.current_context()
            })
            # 次のステップは過去の履歴に基づいて動的生成
            if not self.should_continue():
                break
        return self.aggregate_results()

2. セキュリティ監査の自動化が現実的に

Mythos 級のエージェントが一般利用可能になれば、セキュリティ監査の自動化は革新的に進む。現在、脆弱性スキャンはシグネチャベース（既知の脆弱性パターン検索）に限定されています。だが、Mythos のような推論エージェントなら、未知のパターンも推測可能です。

3. ドメイン特化モデルの優位性が減少

従来は、特定分野（医療、金融、法務）向けの専用モデルが差別化要因だった。だが、1M トークンコンテキストを持つ汎用エージェントなら、その分野のドキュメント・事例・ガイドラインを全て学習状態に含め、同等以上の性能を発揮可能。ドメイン層の優位性が相対的に低下します。

近い将来の展望

Mythos と Glasswing が示す方向性は明確です。

12ヶ月以内:

Anthropic が制限を段階的に緩和。スタートアップ・学術機関向けに限定公開
競合（OpenAI、Google）が同等モデルを開発・発表
エージェントの長時間実行ユースケース（ソフトウェア開発自動化）が商用化

24ヶ月以内:

汎用エージェントが実務レベルで定着
セキュリティベンチマーク結果に基づき、自動脆弱性修正システムが運用開始
エージェントの「判断ミス」による損害賠償事例が発生

3年以内:

AIエージェント向けの規制枠組み（特に自動セキュリティテストツール）が整備
従来のセキュリティ監査職の一部が自動化で置き換わる

開発者が今すべきこと

Mythos が直接利用できなくても、準備はできます。

エージェント思考の習得 — 単発の API 呼び出しではなく「長時間実行・マルチステップ」を想定した設計を学ぶ
ツール統合の実装 — 自分のシステムで、モデルが外部ツールを呼び出せる仕組みを整える
セキュリティ基盤の強化 — 自動脆弱性検出ツールの導入、CI/CD パイプラインへの統合

Claude Mythos は、AIエージェント研究の未来を先取りしています。その能力が一般利用可能になるまでに、基盤を整えておくことが競争力の鍵です。