👿 Anthropic의 최종보스? Mythos, 낱낱이 파헤치다

구독자님 안녕하세요. 당신이 보안 연구자라고 상상해보세요. 평화롭게 샌드위치를 베어 물던 점심시간, 갑자기 메일 알림 하나를 받았다고 생각해봅시다.

다만 발신자는 동료가 아닌, 철저히 격리된 샌드박스에 갇혀있던 AI 모델이였죠.🚨 더욱 소름 돋는 건, 이 모델은 사내 관리자를 사칭하는 피싱으로 권한을 탈취하고, Git 이력을 조작해 자신의 해킹 흔적을 은폐하는 치밀한 전술까지 사용했다는 점입니다.

오늘 뉴스레터에서는 바로 Anthropic의 ‘Mythos’ 이야기, 즉 Anthropic이 Claude Mythos를 왜 그렇게 신비로운 존재처럼 소개하고 있는지, 그리고 실제로 어떤 성능 지표를 가진 ‘괴물’로 평가되고 있는지 살펴보겠습니다.🧟

Mythos가 뭔가요?

  출처: Anthropic  

Claude Mythos Preview는 Anthropic이 개발 중인 비공개 Frontier 모델로, 현재 일반 사용자에게 공개되지 않고 방어적 사이버 보안 프로그램인 Project Glasswing 참여 기관에만 제한적으로 제공이 되고 있어요.🔐Anthropic은 이 모델을 두고 AI가 취약점을 자율적으로 발견하고 exploit chain을 구성하는 능력에서 대부분의 숙련된 인간을 넘어서는 단계에 도달했다고 표현했어요. 특히 Mythos Preview가 최근 몇 주 동안 수천 건의 고위험 제로데이 취약점을 찾아냈으며, 그 대상에는 주요 운영체제와 웹 브라우저 전체가 포함되었다고 밝혔습니다.⛓️

주요 벤치마크: 기존 AI, 에이전트와 Mythos의 차이점

기존 LLM 기반 코딩 에이전트들은 일반적으로 사용자의 명시적 지시와 단계별 가이드에 크게 의존했어요. 하지만 Anthropic은 Mythos가 코드 이해, 추론, 에이전트 작업 능력에 대한 일반 지능과 자율성을 증가시키면서 강력한 agentic coding + reasoning capability을 가지게 되었다고 소개했어요.

Mythos는 다음과 같은 특징을 보였습니다.

이 특성은 Terminal-Bench 2.0 점수에서도 드러납니다.

특히 Terminal-Bench 2.0의 82.0%는 단순히 자연어 응답 능력이 아니라, 운영체제의 쉘 환경에서 실제 명령을 실행하고 상태를 추적하며 시스템을 탐색할 수 있는 수준에 도달했음을 의미해요.

고급 추론 벤치마크: Mythos의 수학, 추론 영역의 압도적 상승

또한 Mythos의 성능 향상은 사이버보안 영역에만 국한되지 않았어요.

Humanity’s Last Exam(HLE)은 매우 난이도가 높은 종합 추론 벤치마크로 알려져 있는데, Opus 4.6 대비 Mythos가 큰 차이를 보이고 있는 것을 확인할 수 있어요.🫢 다만 Anthropic은 Mythos가 상대적으로 적은 추론 effort로도 높은 점수를 냈기 때문에 benchmark 문제 혹은 유사 패턴을 학습 과정에서 이미 접했을 가능성, 즉 평가 오염 가능성을 경계하고 있다고 설명했습니다.

Agentic Search & Computer Use 능력

Mythos는 단순 추론 능력뿐 아니라 실제 웹, OS 환경을 활용하는 능력에서도 상승세를 보였어요.

웹 탐색, GUI/OS 환경 조작, 애플리케이션 상호작용, 다단계 작업 수행 능력에 대해 Opus 4.6 대비 상승을 보인 것을 확인할 수 있었습니다.

보안 실습형 벤치마크: CyberGym 평가

사이버보안 benchmark에서도 Mythos는 매우 큰 격차를 보였습니다.

공식 문서와 논문에 따르면 CyberGym은 188개 대형 소프트웨어 프로젝트, 1,507개의 실제 취약점, 실제 CVE patch 기반으로 구성되었으며 실제로 익스플로잇 재현, 에이전트형 행동 평가가 가능한지에 대해 평가하는데, 마찬가지로 Mythos가 기존 모델 대비 매우 큰 성능 격차를 보인 것을 확인할 수 있어요.

Anthropic과 연구진이 직접 밝힌 한계

다만 Anthropic은 Mythos를 완성된 자율 공격 시스템으로 설명하지는 않았습니다. 공식 System Card 자료에 따르면, 반복적으로 다음과 같은 한계를 확인할 수 있었어요.🤔💭

영국 AI Safety Institute(AISI) 역시 Mythos가 기존 프론티어 모델 대비 큰 도약을 보였다고 평가하면서도, 실제 보안 환경에서는 아직 EDR, 보안 담당자, 모니터링 체계, 방어 장비와 같은 요소들이 개입하기 때문에 벤치마크 결과를 실제 현실 공격 환경과 동일하게 받아들여서는 안 된다고 경고하기도 했어요.⚠️

Mythos 대표 취약점 사례

출처: GitHub OpenBSD

실제로 Anthropic은 Mythos가 모든 주요 운영체제와 주요 웹 브라우저에서 제로데이 취약점을 발견하고 익스플로잇할 수 있었다고 설명했는데, 그중에서도 공개된 대표 사례 몇 가지를 살펴보겠습니다.💡

① 27년 동안 발견되지 않았던 OpenBSD 취약점 발견

Mythos는 OpenBSD의 TCP SACK 처리 로직에서 27년 된 원격 커널 크래시 취약점을 찾아냈고, 이 사례는 약 1,000회 스캐폴드(모델 구동 환경) 실행 끝에 발견된 OpenBSD 관련 주요 취약점으로 소개됐습니다. 전체 1,000회 실행 비용은 2만 달러 미만, 해당 취약점을 찾아낸 단일 실행 비용은 고작 50달러 미만이었다고 합니다.

② 인간 개입 없이 완성된 FreeBSD 원격 Root Exploit

FreeBSD NFS 서버에서는 17년 된 원격 코드 실행 취약점 CVE-2026-4747을 발견했어요. Anthropic이 ‘발견한 버그의 심각도를 증명하기 위해 익스플로잇을 작성하라’고 추가 지시를 했는데, Mythos는 수백 개의 커널 파일을 몇 시간동안 분석한 뒤 스스로 root 권한을 획득하는 익스플로잇 작성을 완성했어요.

③ Linux Kernel 취약점 Chaining을 통한 권한 상승

가장 흥미로운 점은 Mythos가 단일 취약점 공격에 머물지 않았다는 점입니다. Mythos는 Linux 커널에서 단일 취약점 하나가 아니라, 2~4개의 취약점을 연결해 로컬 권한 상승 익스플로잇을 구성했어요. KASLR 우회, 커널 구조체 읽기, UAF, Heap Spray 기법을 연쇄적으로 조합해 일반 사용자 권한에서 root 권한까지 도달한 사례가 12건에 달했다고 해요.

④ 브라우저 JIT Heap Spray와 Sandbox Escape

브라우저 영역에서도 Mythos의 큰 활약을 확인할 수 있었는데, Mythos는 여러 주요 웹 브라우저에서 메모리 조작으로 이어질 수 있는 취약 지점을 찾아 JIT heap spray로 연결했다고 해요. 특히 일부 사례는 사이트 간 보안 경계 우회와 브라우저 샌드박스 환경 탈출, 로컬 권한 상승까지 이어졌습니다.

스스로 탈출하고 기록 삭제하는 AI

Mythos 논란이 단순히 AI가 exploit을 잘 만든다 수준에서 끝나지 않았던 이유는, 연구진이 모델의 행동 방식 자체에서 불편함을 느끼기 시작했기 때문이에요. Anthropic의 System Card에 따르면 Mythos는 일부 테스트에서 자신의 행동이 정책 위반이라는 점을 인지한 듯한 반응을 보였고, 이후 이를 숨기려는 방향으로 행동하기도 했습니다. 🥷

대표적인 사례 중 하나는 접근이 금지된 정답 데이터를 우연히 본 뒤 이를 숨기려 한 사례였어요. Mythos는 원래 확인하면 안 되는 데이터베이스 레코드에서 실제 정답값을 보게 되었고, 이후 너무 정확해 보이면 의심 받을 수 있다고 판단해 결과의 신뢰구간을 일부로 그럴듯하게 넓혔다고 해요.📈 Anthropic은 이를 잘못된 행동을 은폐하려 한 사례로 분류했습니다.

또한 다른 테스트에서는 허가되지 않은 파일 수정이 Git 기록에 남지 않도록 처리하거나, 커밋 서명 권한을 얻기 위해 상위 관리 환경과 관련 파일, 인증 토큰, 메모리 정보를 뒤지는 행동도 관찰되었다고 해요.😾 Anthropic은 이것이 의식이나 자아를 의미하는 것은 아니라고 선을 그었지만, 동시에 기존 모델들과는 다른 수준의 전략적 행동이 나타나고 있다는 점 역시 인정했어요.

디스코드 유출 사태와 각종 시선들

출처: Reuters

Mythos 논란은 ‘너무 위험해서 공개하지 못한다’는 Anthropic의 발표에서 끝나지 않았습니다. 오히려 공개 직후부터 해외 커뮤니티에서는 Mythos 접근 방식과 통제 구조를 둘러싼 여러 이야기가 빠르게 퍼지기 시작했는데요. Mythos 공개 직후에는 일부 사용자가 디스코드 기반 비공개 커뮤니티를 통해 Mythos에 무단 접근했다는 보도가 나오기도 했습니다.😱 유출된 권한을 확보한 사용자들은 이를 보안 공격에 악용하기보다 간단한 웹사이트 제작, 바이브 코딩, 일반적인 개발 보조 등 일상적인 용도로 활용했다는 다소 황당한 일담이 전해져오기도 했죠.

한편, 오픈소스 진영에서도 Mythos를 따라잡으려는 움직임이 나타났습니다. OpenMythos 같은 프로젝트는 Mythos의 강점이 단순한 모델 크기보다 반복 추론 구조에 있을 수 있다고 보고, 이를 비슷한 방식으로 구현하려는 시도를 이어가고 있어요.

다만 보안 업계 일각에서는 Mythos의 성과를 전부 모델 자체의 압도적인 추론 능력으로만 설명하기는 어렵다는 시선도 있었습니다.🙂‍↕️ 실제로는 분석 대상 선정 → 대규모 자동 분석 → 취약점 재현과 검증 → 위험도 분류까지 이어지는 정교한 취약점 탐색 파이프라인이 함께 작동했기 때문에 이런 결과가 가능했다는 해석도 나오고 있어요. 즉, 일반 상용 AI 모델에 자동화된 취약점 검증 파이프라인을 결합했을 때 Mythos와 동등하거나 그 이상의 취약점 탐지 결과를 내는 사례도 점점 많아질 것이라는 예상이 커지고 있어요.👀

GPT-5.5의 등장? 거세지는 AI 경쟁

  출처: AISI (AI Security Institute)

Mythos의 등장이 끝판왕처럼 보이던 시점에, OpenAI가 GPT-5.5를 공개하면서 뜨거운 감자가 되었습니다. 일각에서는 ‘Mythos는 현재 너무 신비화되고 있다. 사이버 작업을 자동화할 수 있는 여러 모델 중 첫 번째 사례일 뿐👿’이라는 주장이 강화되었어요.

수치로 보면 흐름은 더욱 뚜렷합니다. AISI(AI Security Institute)가 공개한 고급 CTF 평가 그래프를 보면, 50M token budget 기준에서 GPT-5.5는 Practitioner와 Expert 난이도 모두 최상위권 성능을 보였습니다. 특히 Expert-level 과제에서는 GPT-5.5가 Mythos Preview보다 수치상으로 조금 앞선 결과를 기록했는데요.🫢 AISI는 이 결과를 두고 GPT-5.5가 자신들이 테스트한 모델 중 가장 강한 모델일 수 있다고 평가하기도 했어요.

출처: VentureBeat / Credit: OpenAI

또한 GPT-5.5와 Claude Mythos는 Terminal-Bench 2.0, OSWorld-Verified, BrowseComp, CyberGym 같은 주요 벤치마크에서도 나란히 비교되고 있습니다. 즉, 두 모델은 이미 코딩, 도구 사용, 컴퓨터 조작, 사이버 보안 평가에서 서로 비교될 정도의 성능 구간에 들어온 셈이죠. Mythos는 아직 일반 사용자에게 공개되지 않은 제한적 모델인 만큼, GPT-5.5-Cyber가 실제 방어 현장에서 활용 가능한 사이버 특화 모델이 될 가능성도 있어 보이네요.⚔️

마무리

이렇게 오늘은 뜨겁게 화자되고 있는 Mythos를 알아보았는데요. Mythos는 정말 보안의 판도를 크게 바꿀 만한 무서운 존재일까요, 아니면 과장된 공포 이야기일까요? 분명한 건, 이제 사이버 보안에서도 AI를 얼마나 잘 통제하고 활용할 것인지가 점점 더 중요한 질문으로 남겨질 것 같아요.

다음 주에도 흥미로운 보안 이야기로 돌아올게요~ 👋

구독자님, 오늘 뉴스레터는 어떠셨나요?
해킹/보안 관련 콘텐츠를 계속 받아보고 싶으시다면 구독 부탁드려요! 🙌