Anthropic hat die öffentliche Freigabe seines neuesten Modells, Mythos, bewusst eingeschränkt, da es als zu gefährlich für die allgemeine Verfügbarkeit eingestuft wird. Das Unternehmen begründet diese Entscheidung damit, dass das Modell in der Lage sei, Sicherheitslücken in weltweit genutzter Software schneller und effizienter zu identifizieren als vorherige Systeme. Anstatt den Code der Allgemeinheit zugänglich zu machen, plant Anthropic, Mythos zunächst nur ausgewählten Großunternehmen und Organisationen zu überlassen, die kritische Online-Infrastrukturen betreiben, darunter AWS und JPMorgan Chase. Offenbar erwägt auch OpenAI ähnliche Pläne für zukünftige Cybersicherheits-Tools, um große Konzerne vor dem Zugriff böswilliger Akteure zu schützen, die fortschrittliche Sprachmodelle zur Penetration sicherer Systeme nutzen könnten. Diese Strategie wirft jedoch Fragen nach den wahren Motiven auf. Experten bezweifeln, dass die reine Cybersicherheit das einzige Kriterium ist. Dan Lahav von der KI-Sicherheitsabteilung Irregular merkte bereits vor der Vorstellung an, dass die bloße Entdeckung von Schwachstellen nicht automatisch einen hohen Angriffswert darstellt. Entscheidend sei vielmehr, ob die Lücke in Kombination mit anderen Faktoren tatsächlich ausbeutbar ist. Zudem stellt Aisle, ein KI-Sicherheits-Startup, in Frage, ob Mythos wirklich als das ultimative Modell für Cybersicherheit gelten kann. Das Unternehmen berichtete, vergleichbare Ergebnisse mit deutlich kleineren, offenen Modellen erzielt zu haben. Dies deutet darauf hin, dass die Leistungsfähigkeit stark vom konkreten Anwendungsszenario abhängt und kein einzelnes Deep-Learning-Modell alle Anforderungen abdeckt. Eine weitere Analyse deuten auf strategische wirtschaftliche Interessen hin. Die Beschränkung des Zugangs auf Großunternehmen könnte einen sogenannten „Flywheel-Effekt" fördern. Dieser Mechanismus stärkt langfristige Verträge mit Konzernen und verhindert gleichzeitig, dass Wettbewerber diese Spitzentechnologie durch Distillation nachbilden. Distillation ist eine Technik, bei der kleinere Modelle mit Hilfe größerer Modelle trainiert werden, um kostengünstige Alternativen zu schaffen. David Crawshaw, CEO von exe.dev, argumentierte in sozialen Medien, dass die Freigabebeschränkung primär dazu diene, die lukrativsten Enterprise-Marktmittel zu sichern. Sobald öffentliche Modelle verfügbar würden, seien sie oft bereits veraltet, während neue Spitzenmodelle exklusiv für Unternehmen reserviert blieben. Dies zwänge kleinere Labore in eine Rolle als zweite Wahl und halte die Einnahmeströme der großen Tech-Unternehmen aufrecht. Aktuell beobachten wir in der KI-Branche einen Konflikt zwischen den führenden Laboren, die immer leistungsfähigere Modelle entwickeln, und Unternehmen wie Aisle, die auf eine Mischung aus Modellen und offenen Quellen setzen, oft mit Fokus auf wirtschaftliche Effizienz. Ob Mythos oder ähnliche Modelle das Internet tatsächlich in eine existenzielle Bedrohung stürzen, bleibt abzuwarten. Ein sorgfältiger, kontrollierter rollout scheint dennoch der verantwortungsvollste Weg zu sein. Anthropic hat bisher nicht beantwortet, ob Bedenken hinsichtlich der Distillation eine Rolle bei der Entscheidung spielten. Es ist jedoch wahrscheinlich, dass das Unternehmen einen cleveren Weg gefunden hat, nicht nur die digitale Sicherheit zu schützen, sondern auch seine eigenen finanziellen Interessen zu sichern.