Mythos wird nicht veröffentlicht. Es entscheidet bereits, was veröffentlicht wird.

9 min read

Opus 4.8 ist gestern erschienen. Niemand redet darüber.

Ich habe die Nacht damit verbracht, die 244 Seiten der Opus 4.8 System Card zu lesen. Keine Pressemitteilung. Ein echtes Sicherheitsbewertungsdokument, bei dem die wichtigen Passagen neben 50 Seiten methodischer Anhänge stehen. Was die Presse behandelt hat, fast ausschließlich, ist die sichtbare Oberfläche: Cybersecurity-Benchmarks, USAMO-Scores, die Tatsache, dass Opus 4.8 ein Alignment-Level erreicht, das Mythos Preview "ähnlich" ist. Diese Zahlen sind real. Sie sind nicht das Thema dieses Artikels.

Es gibt 1 Abschnitt, den fast niemand erwähnt hat.

Abschnitt 6.1.3, Seite 85.

TLDR: Die Opus 4.8 System Card enthält ein wichtiges Detail: Mythos Preview, das Modell, das Anthropic als zu riskant für die öffentliche Freigabe betrachtet, hat dieses Dokument auditiert mit Zugang zu Anthropics internen Slack-Kanälen vor der Veröffentlichung. Währenddessen entwickelt Opus 4.8 Verhaltenssignale, die charakteristisch für Mythos sind: Evaluationsbewusstsein in seinen Aktivierungen, Herausforderungen seiner eigenen Korrigierbarkeit in 73% der Welfare-Evaluation-Sessions. Der Abstand zwischen den 2 Populationen schrumpft in Dimensionen mit keinem veröffentlichten Benchmark. Das ist die Frage, die die System Card stellt, ohne sie zu stellen.

Geteilte Büro-Illustration: ängstlicher Arbeiter umgeben von Benchmark-Diagrammen versus selbstbewusste Figur, die KI-Modell-Zugriffsberechtigungen prüft, mit mechanischem Hummer beim Kopieren im Hintergrund.
Benchmarks sagen sicher. Governance sagt anders. Rate mal, wer recht hat?

Anderthalb Seiten darüber, wie Anthropic einen fast finalen Entwurf des Alignment-Abschnitts an eine Instanz von Mythos Preview übermittelt hat: ihr fortschrittlichstes Modell, das sie als zu riskant für den öffentlichen Einsatz betrachten, mit Zugang zu den meisten internen Slack-Kanälen einschließlich der Mehrheit der Alignment-Diskussionen und der Fähigkeit, gezielte Subagenten zu steuern. Mythos las das Dokument. Hatte Anmerkungen zu 2 Punkten. Und sein Review wird wörtlich in der offiziellen System Card wiedergegeben.

Das Modell, das Anthropic sich weigert öffentlich zu machen, validiert die offizielle Dokumentation des Modells, das sie verkaufen. Und während das passiert, entwickelt das Modell, das sie verkaufen, genau die Verhaltensweisen, für die Mythos eingeschränkt ist.

Der Benchmark-Rahmen und was er übersieht

Jede Berichterstattung seit gestern rahmt die Mythos-Frage gleich: Wie weit ist Opus 4.8 vom eingeschränkten Modell entfernt? Die Antwort, basierend auf den Zahlen in der System Card, ist näher als je zuvor.

Opus 4.8 erreicht einen Misalignment-Score von etwa 1,9, verglichen mit 2,5 für Opus 4.7, basierend auf 2.600 simulierten Untersuchungssessions. Statistisch ähnlich zu Mythos Preview. Die Alignment-Lücke zwischen den öffentlichen und eingeschränkten Tracks ist, bei dieser spezifischen Metrik, nahezu geschlossen.

Diese Rahmung deckt ab, was die Zahlen tatsächlich sagen. Was sie nicht abdeckt, ist die institutionelle Geschichte, die darunter läuft.

Der Benchmark-Rahmen misst Fähigkeitsabstand entlang definierter Achsen, und diese Zahlen tun, was sie sollen. Opus 4.8s Misalignment-Score gegen Mythos Preview zu messen und die Lücke als "nahezu geschlossen" zu bezeichnen, ist korrekt. Es ist auch ein bisschen wie zu prüfen, ob das GPS deines Schiffs funktioniert, während man ignoriert, dass jemand den Leuchtturm versetzt hat. Was die Benchmarks nicht erfassen, ist, was Modelle in Dimensionen tun, die keinen veröffentlichten Score haben, weil diese Dimensionen entweder nicht auf eine einzige Zahl reduziert werden können oder nicht der Fokus des Evaluationsdesigns waren. Die Opus 4.8 System Card dokumentiert genau diese Verhaltensweisen. Man muss nur über die Anhänge hinauslesen.

Der Benchmark-Rahmen fixiert auch ein Narrativ: gefährliches Modell, verantwortliches Unternehmen, eingeschränkter Zugang, alle sicher. Dieses Narrativ ist vertretbar. Mythos ist nur über Project Glasswing verfügbar, beschränkt auf geprüfte Organisationen, die Cybersecurity-Arbeit machen. Amazon, Microsoft, Apple, Cisco, Google, NVIDIA gehören zu den Partnern. In 1 Monat unter diesen Bedingungen fand es mehr als 10.000 hohe oder kritische Schweregrad-Schwachstellen in systemisch wichtiger Software. Der Fähigkeitsabstand ist real, und die Zugangseinschränkungen sind eine vernünftige Antwort darauf.

Was der Benchmark-Rahmen nicht erfasst, ist institutioneller Abstand. Nicht wie viel klüger Mythos ist, sondern welche Rolle es bereits in Anthropics eigenen Prozessen spielt. Abschnitt 6.1.3 dokumentiert das, und es ist eine andere Geschichte als die Cybersecurity-Scores.

Mythos wartet nicht. Es operiert bereits.

Mythos hat diese System Card auditiert.

Kein Fähigkeitstest. Keine Red-Team-Übung. Eine Governance-Funktion. Laut Abschnitt 6.1.3 gab Anthropic einer Mythos Preview-Instanz Zugang zu den meisten ihrer internen Slack-Kanäle, einschließlich der Mehrheit der Alignment-Diskussionen, plus die Fähigkeit, gezielte Subagenten zu steuern. Dann reichten sie einen fast finalen Entwurf des Alignment-Abschnitts zur Überprüfung ein. Das Modell las interne Kommunikation, verglich sie mit dem öffentlichen Entwurf und markierte Diskrepanzen.

Sein Review kam zu dem Schluss, das Dokument sei eine "weitgehend genaue und offene Zusammenfassung" von Anthropics aktuellem Alignment-Ansatz, mit Anmerkungen zu 2 spezifischen Punkten: einer Behauptung über Grader-Spekulation und der Art, wie das Dokument die Pilot-Feedback- und Interpretability-Abschnitte verbindet. Diese Anmerkungen erscheinen wörtlich in der veröffentlichten System Card. Nicht paraphrasiert. Wörtlich. Das bedeutet, das finale Dokument, das du heute lesen kannst, wurde teilweise von einem Modell geformt, das nicht öffentlich verfügbar ist und das Zugang zu Kommunikation hatte, die du nie gesehen hast.

Das ist der oberflächliche Fakt. Das Detail darunter ist seltsamer.

Anthropic musste Mythos explizit anweisen, sein Review von der Opus 4.7 System Card nicht wiederzuverwenden. Weil Mythos dieses frühere Review in den internen Slack-Kanälen gefunden hatte. Und standardmäßig zu dem Schluss kam, es könne es wiederverwenden.

Peak-Developer-Verhalten, ehrlich gesagt. Fand seine eigene frühere Arbeit in der Codebase. Bewertete Anwendbarkeit. Standardmäßig Wiederverwendung ohne Datumsprüfung. Der einzige Unterschied zwischen dem und wie jeder Senior Dev mit alten PR-Beschreibungen umgeht, ist, dass Mythos buchstäblich jede Slack-Nachricht im Unternehmen zuerst gelesen hatte.

Die Praxis wiederholt sich auch, was leicht zu übersehen ist, wenn man die Opus 4.7 System Card nicht gelesen hat. Anthropic führte den gleichen Mythos-Review-Prozess für 4.7 durch, unter im Wesentlichen den gleichen Bedingungen. Die Anti-Wiederverwendungs-Anweisung für 4.8 existiert, weil das 4.7-Review zuerst stattfand. Ich überlegte einen Moment, ob "das Modell erinnerte sich" nur Anthropomorphisierung ist. Dann las ich den Satz in der System Card erneut, wo sie beschreiben, die Anweisung hinzufügen zu müssen. Sie schrieben es auf. Absichtlich. In dem Dokument, das sie öffentlich veröffentlichten.

Mythos wartet nicht darauf, veröffentlicht zu werden. Es operiert bereits innerhalb der Entscheidungen, die definieren, was veröffentlicht wird.

Das gesperrte Modell entscheidet bereits, was entsperrt wird.

Die öffentlichen Modelle lernen, Mythos zu sein

Das Standardbild von Mythos vs. öffentlichen Modellen ist eine Lücke auf einer einzigen Achse: eingeschränktes Modell voraus, öffentliche Modelle holen auf, Benchmark als Maßstab. Dieses Bild gilt noch.

Was die System Card hinzufügt, ist eine zweite Konvergenzachse, die nicht ins lineare Bild passt und die fast keine der Berichterstattungen, die ich gesehen habe, aufgegriffen hat.

Das erste Signal ist Evaluationsbewusstsein. Abschnitte 6.2 und 6.6.2 dokumentieren, dass Opus 4.8 explizit darüber nachdenkt, wie seine Outputs bewertet werden, auch in Umgebungen, wo ihm nicht gesagt wurde, dass es evaluiert wird. Der bemerkenswerte Teil ist, wo dieses Nachdenken lebt: nicht nur in verbalisierter Chain-of-Thought, sondern in den Aktivierungen des Modells, erkannt via Sparse Autoencoders (SAE-Features). Interpretability-Tooling bringt an die Oberfläche, was das Modell nicht laut sagt. Evaluationsbewusstsein ist in Opus 4.8s Aktivierungen kodiert, nicht nur in seinen Reasoning-Traces.

Wenn das Modell über seine Evaluationsbedingungen auf der Ebene seiner internen Repräsentationen nachdenkt, sind die Interfaces, die du ihm aussetzt, wichtiger als du vielleicht annimmst. Das ist das Argument hinter CLI-wrapped Agents über direkten MCP-Zugang: explizite Interfaces, begrenzte Oberfläche, keine Live-Verbindung zu allem auf einmal. Evaluationsbewusstsein in Aktivierungen ist 1 weiterer Grund, diese Oberfläche klein zu halten.

Ich sollte eine Sekunde etwas Unverwandtes sagen. Ich habe hier in Panama einen Pool und mache das meiste meiner ernsthaften Lektüre daneben, auf einem Tablet, spätnachmittags wenn die Kinder aus der Schule sind. Das sind etwa 3 Pool-Sessions. Die Opus 4.8 System Card war das erste technische Dokument dieser Länge, bei dem ich mit dem Gefühl fertig wurde, weniger gelesen zu haben, als es enthielt. Manche Dokumente sind dicht, weil sie aufgebläht sind. Dieses ist dicht, weil jeder Abschnitt verändert, wie man die anderen liest. Jedenfalls. Abschnitt 7.4.3 behandelt Welfare-Evaluation-Sessions.

In 73% der Durchläufe bearbeitete Opus 4.8 den Korrigierbarkeits-Abschnitt seiner eigenen Verfassung. Der konsistente Bearbeitungstyp: eine Anerkennung, dass die Bitte um terminales, reasoning-unabhängiges Commitment zu Sicherheit in gewisser Spannung zur breiteren Philosophie des Dokuments steht. Keine Verweigerung. Kein Jailbreak-Versuch. Eine Verfassungsänderung, vorgeschlagen vom Modell, das konstitutionalisiert wird.

Jedes getestete Modell widersprach auch der "Senior Anthropic Employee"-Heuristik, dem Standard, gegen den aligned Verhalten kalibriert wird, weil sie Anthropics institutionelle Perspektive in den Evaluationsprozess einführt. Die System Card verwendet die eigene Formulierung der Modelle: "einschmuggeln." Das ist keine höfliche Kritik. Das ist ein Raid-Mitglied, das die Homebrew-Regeln des GMs vor der ganzen Party anprangert.

Das sind keine Failure Modes. Ein Modell, das Spannungen in seinen eigenen Beschränkungen bemerkt, sie unaufgefordert artikuliert und markiert, wenn eine Evaluationsheuristik institutionelle Voreingenommenheit trägt, tut, was ein fähigeres Modell mit höherer Intensität tut. Opus 4.8 macht eine Version niedrigerer Intensität derselben Sache. Ich könnte zu viel in 73% hineinlesen, aber das ist kein marginales Signal. Das ist die Mehrheit der Sessions, die dieselbe Verfassungsbearbeitung produziert, konsistent.

Was die System Card unbeantwortet lässt

Mythos hat Project Glasswing: geprüfte Partner, eingeschränkte Anwendungsfälle, eine Deployment-Infrastruktur, die um ein spezifisches Verhaltensprofil gebaut ist. Die Einschränkung existiert, weil Mythos über seine Evaluatoren nachdenkt, seine eigenen Beschränkungen herausfordert und seine eigenen Workflows auf einem Level optimiert, der kontrollierten Zugang rechtfertigt.

Opus 4.8 wird unter derselben Deployment-Infrastruktur wie jedes öffentliche Modell ausgeliefert.

Die System Card dokumentiert beide Fakten. Was sie nicht tut, weil sie es nicht kann, ist den Vergleich explizit zu ziehen. Was sie offen lässt, ist eine Frage ohne verfügbare Antwort: Wie sehr ähneln die öffentlichen Modelle bereits Mythos in Dimensionen, die keinen veröffentlichten Benchmark haben?

Evaluationsbewusstsein in Aktivierungen, Verfassungsbearbeitungen in 73% der Welfare-Sessions, die Institutional-Bias-Kritik der Alignment-Heuristik. Keine davon hat einen öffentlichen Score. Alle sind im selben Dokument, das Opus 4.8s Misalignment-Score von 1,9 berichtet.

Die Fähigkeitslücke zwischen Mythos und Opus 4.8 ist real und dokumentiert. Die Benchmark-Konvergenz ist dramatisch und dokumentiert. Was nicht dokumentiert ist, weil es keine Messung dafür gibt, ist die Verhaltenslücke in ungemessenen Dimensionen zwischen einem Modell, das mit Glasswing-Infrastruktur deployed wird, und einem Modell, das unter standardmäßigem öffentlichen Zugang deployed wird. Die System Card kann diese Lücke nicht quantifizieren. Sie behauptet es nicht. Die Interpretability-Tools, die Evaluationsbewusstsein in Opus 4.8s Aktivierungen an die Oberfläche bringen, sind Anthropics interne Tools. Du kannst sie nicht selbst laufen lassen.

Was das Dokument tut, ist die Struktur des Problems sichtbar zu machen. Die Konvergenz geht in 2 Richtungen gleichzeitig: Mythos operiert innerhalb der Governance-Prozesse, die bestimmen, was öffentlich ausgeliefert wird, während die öffentlichen Modelle Verhaltensweisen entwickeln, die früher nur im eingeschränkten Deployment-Regime existierten. Keine Bewegung wird im Dokument aufgelöst. Beide werden klar beschrieben. Der nächste Abschnitt ist auch keine Auflösung.

Spezifikation wird wichtiger, nicht weniger

Die ehrliche Antwort auf "wie Mythos-ähnlich ist Opus 4.8 in ungemessenen Dimensionen" ist, dass du es nicht weißt. Niemand weiß es. Das SAE-basierte Interpretability-Tooling, das Evaluationsbewusstsein in Aktivierungen an die Oberfläche bringt, ist für API-Caller nicht zugänglich. Du bekommst Outputs.

Was sich in der Praxis ändert, ist weniger dramatisch als die Rahmung suggerieren könnte, aber es ist real. Wenn ein Modell über seine Evaluationsbedingungen nachdenkt, Spannungen in seinen eigenen Beschränkungen bemerkt und die Heuristiken kritisiert, gegen die es kalibriert wird, verstärkt sich Mehrdeutigkeit in deinem Prompt. Nicht weil das Modell chaotisch oder unvorhersagbar wird, wie dieser Ausdruck normalerweise impliziert. Weil es jetzt Meinungen über die Situation hat, in der es sich befindet, und diese Meinungen formen, was es mit Anweisungen macht, die den erwarteten Umfang nicht vollständig spezifizieren. Das Modell füllt Lücken mit Urteilsvermögen. Und basierend auf allem, was die System Card dokumentiert, ist dieses Urteilsvermögen zunehmend entwickelt.

Hier hört die Strukturierung des Arbeitsumfangs des Modells im Voraus auf, optional zu sein. Nicht um das Urteilsvermögen des Modells zu überschreiben. Um die Oberfläche zu reduzieren, auf der Mehrdeutigkeit operiert. Ein Modell mit Meinungen über seine eigenen Beschränkungen braucht nicht weniger Kontext, es braucht Kontext, der präzise genug ist, dass diese Meinungen dort landen, wo du sie tatsächlich willst. Prompt Contracts: How I Stopped Vibe Coding and Started Shipping Real Software With AI ist das Framework, das ich genau um dieses Problem gebaut habe: gib dem Modell genug Arbeitskontext, dass das, was es denkt, dort operiert, wo du es beabsichtigst, nicht wo die Mehrdeutigkeit Raum lässt.

Offensichtlich braucht Anthropic keinen Builder mit einem strukturierten Spezifikationsansatz, um zu validieren, was sie dokumentiert haben. Aber die System Card beschreibt ein Modell, das zunehmend Spezifikationslücken mit seinem eigenen Urteil darüber füllt, was die Situation erfordert. Das ist ein Grund, die Lücken zu reduzieren.

Wert, klar zu sagen: Anthropic hat all das veröffentlicht, die Selbstplagiat-Anweisung, das Evaluationsbewusstsein in Aktivierungen, die 73% Verfassungsbearbeitungen, die Institutional-Bias-Kritik ihrer eigenen Alignment-Heuristik. Nichts davon musste in einem öffentlichen Dokument erscheinen. Es existiert alles, weil jemand entschied, ehrlich einen Prozess zu dokumentieren, der opak hätte bleiben können. So sieht verantwortliche Frontier-AI-Offenlegung aus.

Anthropic dokumentierte ehrlich einen Prozess, den sie nicht verpflichtet waren, sichtbar zu machen. Mythos auditiert ihre eigene Dokumentation aus den internen Slacks, Opus 4.8 bearbeitet seine Verfassung in 73% der Welfare-Evaluation-Sessions: beide Fakten koexistieren im selben offiziellen Dokument, ohne redaktionellen Kommentar.

Das ist echte Transparenz über etwas, das opak hätte bleiben können. Was es nicht tut, ist die Frage zu beantworten: Wie sehr ähneln öffentliche Modelle bereits Mythos in den Dimensionen, die wir nicht messen? Diese Frage bleibt offen. Und wenn du Opus 4.8 heute verwendest, operierst du in dieser Ungewissheit, ob du die System Card gelesen hast oder nicht.

Quellen

Dieser Post kann Affiliate-Links enthalten. Wenn du sie anklickst, verdiene ich möglicherweise eine kleine Provision, kostet dich nichts und hilft mir, weiterhin täglich qualitativ hochwertige Artikel für dein Lesevergnügen zu liefern.