Léiríonn tagarmharc ExploitBench ó Bugcrowd go sáraíonn Claude Mythos GPT5.5 i saothrú leochaileachtaí Chrome (infosecurity-magazine.com)
- Scór meánach Mythos 9.90/16 i gcoinne GPT5.5 5.51/16 ar ExploitBench.
- Shaothraigh Mythos 21/41 leochaileacht Chrome V8 go hiomlán; GPT5.5 ach 2.
- Iarrann Bugcrowd ar uathoibriú leigheas faoi stiúir AI.
"Nocht Bugcrowd tagarmharc neamhspleách darb ainm ExploitBench a dhéanann measúnú ar chumas samhlacha AI leochaileachtaí a shaothrú. Sna chéad torthaí, fuair Claude Mythos ó Anthropic scór meánach 9.90 as 16, ag saothrú go hiomlán 21 as 41 leochaileacht in inneall V8 Chrome. Fuair GPT5.5 ó OpenAI meán 5.51 agus níor bhain sé an leibhéal is airde ach amháin i dhá leochaileacht. Chuir David Brumley ó Bugcrowd rabhadh ar ró-ghinearálú ach thug sé faoi deara go bhfuil AI ag druidim le hackers daonna mionlach. Tomhaiseann an tagarmharc cúig chéim de shaothrú suas go dtí forghníomhú cód treallach."
níl aon trácht ann fós.