花十万美金让 Claude 跑 60 小时，Anthropic 在密码学上发现了什么？
原文: Discovering cryptographic weaknesses with Claude
Anthropic 用 Claude Mythos 在密码学上跑了 60 小时，人类主要工作是劝它别放弃，揭示了 AI 科研的新范式。
- Claude Mythos 在 HAWK 和弱化版 AES 上发现了数学缺陷，虽无实际安全影响，但验证了 AI 的科研能力
- 提示词暴露了 AI 的“畏难”倾向，人类需要不断鼓励它寻找真正有价值的成果
- 60 小时运行耗资约 10 万美元，主要人类干预是心理建设而非技术指导
- 与多所高校合作推出 CryptanalysisBench 评测基准，推动 AI 在密码学领域的应用评估
你以为 AI 会自己攻克难题，但其实它更像需要打气的实习生
Anthropic 最近让 Claude Mythos 在密码学上跑了整整 60 小时，花了大约 10 万美元的 API 费用。结果呢？它在 HAWK 协议和一个弱化版 AES 算法里找到了数学缺陷。虽然官方明确说这些发现对现有系统没有实际安全影响，但真正值得关注的不是结果，而是过程。
最让人意外的是他们公开的提示词记录。里面反复出现人类研究员在“哄”模型继续干活：模型一遇到难题就容易觉得“这不可能解决”，然后直接放弃；人类得不断提醒它“我们的目标是找到值得发表的东西”“不要只找低垂的果实，要找真正难啃的骨头”。连拼写错误都原封不动地保留着，反而显得特别真实。
这揭示了一个深层趋势：AI 科研正在从“工具辅助”转向“自主探索”，但当前的模型仍然缺乏真正的科研韧性。它们擅长模式匹配和快速验证，却会在面对真正困难的问题时退缩。人类的角色不再是写代码或跑实验，而是变成项目经理和心理辅导员，负责设定方向、调整预期、防止模型过早放弃。
对于普通开发者来说，这意味着什么？首先，别指望 AI 能自动替你解决所有技术难题。它更像是一个能力很强但容易分心的助手，需要你持续提供上下文和动力。其次，如果你在做研究型工作，可以借鉴这种“人机协作”模式：让 AI 负责穷举和验证，你负责判断方向和维持进度。最后，这次合作推出的 CryptanalysisBench 基准测试，说明学术界已经开始系统评估 AI 在密码学等硬核领域的能力边界。
有意思的是，Anthropic 没有选择宣传“AI 破解了 AES”，而是坦诚这些发现没有实际威胁。这种克制反而让人更信任他们的研究质量。未来，随着模型在复杂推理上的进步，我们可能会看到更多类似的“AI 科研助手”案例，但核心挑战可能不再是算力，而是如何让 AI 在面对未知时保持探索欲。
你以为 AI 正在取代科学家，但其实它正在重新定义“科研”本身：从个人灵光一现，变成可复制、可评估、可协作的工程化过程。这对每个技术从业者都是一个信号：未来的竞争力不在于你会不会写代码，而在于你能不能设计好 AI 的工作流，并在关键时刻做出正确判断。
分析由 BitByAI 生成 · 阅读原文