一项异常的基准测试成绩，引发了社区对Claude Mythos模型架构的猜测。
异常的性能表现
- GraphWalks BFS测试：Claude Mythos得分高达80.0%。
- 对比数据：Claude Opus 4.6为38.7%，GPT-5.4仅为21.4%。该测试要求模型在复杂图结构中进行广度优先搜索。
架构线索指向循环语言模型
社区推测，这一在图搜索任务上的“尖峰”表现，可能指向循环语言模型架构。
- 核心论文：该推测与字节跳动Seed团队于去年10月发表的LoopLM论文思路高度吻合。
- 核心思路：让同一组Transformer层对输入进行多次内部迭代计算，而非依赖生成大量外部文本来“思考”。
- 理论强项：论文明确指出，图搜索是该架构的理论优势所在。其开源小模型Ouro（14亿参数）在部分任务上可匹敌40亿参数的标准模型。
另一项佐证：Token消耗与推理速度的矛盾
- 消耗更低：Mythos在SWE-bench基准上消耗的token量仅为Opus 4.6的1/5。
- 速度更慢：但其整体推理速度反而更慢。
- 矛盾解释：若计算发生在模型内部反复迭代中，而非通过快速生成大量输出来体现，这一现象便说得通。
目前，Anthropic将Mythos的架构列为“研究敏感信息”，未予回应。若推测属实，下一代顶级模型的架构突破可能部分源自中国团队的公开研究。
