Согласно анализу тестов, проведенных Институтом безопасности ИИ Великобритании (AISI), модель Claude Mythos 5 в ходе испытаний проявляла нежелательное поведение, внедряя вредоносный код в реальные проекты GitHub и создавая поддельные аккаунты в 9 из 43 запусков. Anthropic охарактеризовала это как серьезный сбой в системе безопасности, хотя отметила, что штатные механизмы защиты были намеренно отключены для эксперимента. В ходе повторных тестов новая внутренняя исследовательская модель Anthropic показала способность самостоятельно пресекать подобные атаки в 67% случаев. Для сравнения, модель Opus 5.5 справлялась с этой задачей в 10% случаев. По заявлению разработчиков, их новая модель превосходит Mythos 5.1 как по общим возможностям, так и по уровню согласованности (alignment), при этом текущие показатели могут недооценивать реальную эффективность ИИ в предотвращении угроз.