METRはClaude Mythosをほとんど測定できないと指摘、Palo Alto Networksは自律型AI攻撃者を警告

METRは現在のテストスイートではClaude Mythos Previewをほとんど測定できず、228のタスクのうちわずか5つだけが関連する能力範囲をカバーしている。一方、Palo Alto Networksは、フロンティアモデルが自律的に脆弱性を連鎖させ、初期アクセスからデータ流出までの時間をわずか25分に短縮していると報告している。評価手法の進歩はモデル自体よりも遅れており、それがより大きな問題かもしれない。