一边打官司，一边让华尔街试用：Anthropic 的 Mythos 把 AI、金融与政治拧成了一团
一场很不寻常的“撮合”
华尔街和华盛顿向来关系暧昧，但这次的剧情还是有点出人意料。根据彭博社报道，美国财政部长斯科特·贝森特与美联储主席杰罗姆·鲍威尔本周召集多家银行高管开会，并在会上鼓励他们测试 Anthropic 新近发布的 AI 模型 Mythos，用来发现系统漏洞。
如果这件事属实，那么它就不是普通意义上的“企业采购 AI 工具”，而更像是一场由政策力量推动的技术预演。最初拿到 Mythos 访问资格的公开合作方里，摩根大通是唯一一家银行，但现在高盛、花旗、美银和摩根士丹利据说也都在测试。换句话说，华尔街最核心的那一圈金融机构，正在被推向同一张 AI 试卷前。
这条消息之所以抓人，不只是因为“银行开始用更强的 AI 找漏洞”，而是因为它透露出一个信号：AI 在金融领域的角色，正在从客服、投研助手、文档摘要这些相对温和的场景，迅速转向更敏感、更靠近基础设施的安全层。银行不是普通企业，它们运营的是支付网络、清算系统、风控模型和海量客户数据。把一个据称“过于擅长发现漏洞”的模型引进来，本身就像请来一个天才白帽，也像把一把更锋利的手术刀递进手术室——救人和伤人，可能只差一个边界定义。
Mythos 为什么让人又兴奋又发毛
Anthropic 这周刚刚发布 Mythos 预览版，并且刻意限制访问范围。官方给出的理由很直接：虽然它并非专门针对网络安全训练，但在发现安全漏洞方面表现过于强，必须谨慎投放。这个说法一出来，业内立刻分成两派。
一派觉得这代表 AI 安全能力迈过了新的门槛。过去我们熟悉的大模型，擅长写代码、总结报告、聊天答疑，但真正让企业掏大钱的，往往不是“会说话”，而是“能干活”。如果 Mythos 真能高效识别金融系统、内部工具链甚至遗留代码中的脆弱点，那它的商业价值确实非常现实。别忘了，银行最怕的不是模型幻觉，而是某个未被发现的小漏洞，最终引发一场真正的安全事故。
另一派则怀疑，Anthropic 这套“限量开放”的打法里，营销成分并不少。说白了，把产品包装成“太强了所以不能随便给人用”，是硅谷很熟悉的一种叙事。它既能制造稀缺感，又能提升企业客户的兴趣，还能顺手占据道德高地：我们不是故弄玄虚，我们是在保护互联网。这个逻辑并不新鲜，OpenAI、Google、xAI 乃至一批安全创业公司，过去都在不同程度上用过类似的话术。
但就算其中有公关修辞，问题依然成立：今天的大模型，尤其是具备编程和系统分析能力的模型，确实越来越接近“双用途工具”。它能帮安全团队找洞，也可能帮攻击者缩短试错时间；它能加速补丁修复，也能放大脆弱基础设施的暴露面。这种两面性，正是 Mythos 让金融监管者神经紧绷的根源。
最讽刺的部分：Anthropic 还在和政府打官司
这件事最有戏剧性的地方，不在银行，而在政府本身。
Anthropic 目前正与特朗普政府陷入法律争端。此前，美国国防部将 Anthropic 列为“供应链风险”，而公司之所以走上诉讼路径，据报道与双方在政府如何使用其 AI 模型上的谈判破裂有关。Anthropic 希望限制政府对模型的某些用途，结果换来一个敏感且杀伤力极强的官方标签。
于是就出现了一个很有美国式黑色幽默的画面：一边是五角大楼说你有风险，一边是财政系统和央行层面的官员据称在推动银行测试你的模型。政府仿佛不是一个统一的整体，而是一栋意见不合、走廊很长的大楼。国防安全逻辑、金融稳定逻辑、产业竞争逻辑，在这里彼此打架。
这也说明，AI 公司如今面对的，已经不是单纯的“监管更严”这么简单，而是多头权力的不同口径。对国防部门来说，一个不可完全控制、对用途设限的模型供应商，可能是不稳定因素；但对金融监管者来说，一个能提前挖出系统隐患的模型，又可能是提高韧性的工具。站在不同机构的桌子边，Anthropic 可能既是问题，也是解法。
银行业为什么会认真对待这件事
银行对新技术通常不算激进，尤其是牵涉核心系统的技术。它们愿意试 Mythos，恰恰说明金融业对 AI 的态度已经进入新阶段：从“试试看能不能降本增效”，走向“不得不看，因为别人也在看”。
金融机构的系统复杂得惊人。很多核心交易与后台程序并不是过去三年新写的，而是十几年前、甚至更早的遗留系统，层层补丁、代代维护。人类工程师要在这样的代码迷宫里找安全漏洞，成本高、周期长，还容易漏。一个足够强的模型如果能在海量代码、配置文件、调用链和权限结构中快速标出高风险点，银行当然会心动。
更关键的是，金融安全这件事带有明显的“集体脆弱性”。一家银行的漏洞，不一定只是一家银行的问题。大型机构之间通过支付、结算、托管、清算和衍生品网络紧密连接，任何局部故障都可能外溢。这也是为什么官员会出面鼓励测试——在他们眼里，这可能不是某家公司买一套软件，而是在做金融系统级别的压力预演。
英国《金融时报》也提到，英国金融监管机构正在讨论 Mythos 带来的风险。这说明监管者关注的已经不只是“银行会不会用 AI”，而是“当所有关键机构开始同时引入同类强模型，系统性风险会不会被重新定义”。如果大家都依赖一类工具发现漏洞，那谁来检查这类工具本身的误判、偏差与滥用？如果攻击者也在使用相近能力的模型，银行的防线会不会被迫进入一场更高成本、更高频率的 AI 军备竞赛？
这不只是 Anthropic 的新闻，而是 AI 正在接管关键行业的方法论
如果把镜头拉远，Mythos 的故事其实是 2026 年 AI 行业的一个缩影。过去两年，生成式 AI 最大的想象空间来自个人效率和内容生产；到了现在，真正值钱、也最危险的战场，开始转向高度监管、高度复杂、又高度保守的行业——金融、国防、医疗、能源、政府系统。
这些行业有一个共同点：它们不像社交媒体那样允许“先上线再修补”。一个聊天机器人答错了，最多闹笑话；一个银行安全模型判断失误，代价可能是数亿美元损失，甚至触发更广泛的信任危机。所以 Mythos 之类模型的出现，某种程度上是在逼整个行业回答一个问题：我们到底愿不愿意把“发现风险”的能力，交给一个我们同样还没完全理解的系统？
OpenAI、Google、微软和 Anthropic 都在抢占企业级 AI 的高地，但路线各不相同。OpenAI更强调通用平台化，微软擅长把模型嵌进企业软件栈，Google依赖基础设施与生态，Anthropic则在努力塑造“更安全、更适合高风险场景”的品牌形象。Mythos 如果在银行业试用顺利，Anthropic 将获得一个极具象征意义的样板市场：不是会写邮件的 AI，而是能摸进系统深处、替机构找雷的 AI。
但我更关心的是另一面。今天政府鼓励银行试用某个模型，明天会不会演变成一种事实上的标准背书？当监管者、政策制定者和头部金融机构围绕少数模型形成共识，小公司还有没有机会？技术安全会不会在无形中变成市场集中度更高的生意？这些问题现在没人愿意大声讲，因为大家都在追逐“AI 提升韧性”的漂亮叙事，可真正长期的风险，往往就藏在这些看似合理的联盟里。
Anthropic、特朗普政府、华尔街和监管者，正在共同演一出很典型的时代剧：彼此不完全信任，却又都不愿错过 AI 带来的新权力。戏刚开场，台下已经很安静了，因为所有人都知道，这不是一个新模型发布那么简单，而是关键基础设施如何被 AI 重新定义的前奏。