Claude Mythos werd niet aangekondigd, maar per ongeluk ontdekt. En nog voordat iemand het model zelf kon gebruiken, ontstond er al iets anders: rumoer. Op social media schoten de reacties alle kanten op, van hype en fascinatie tot lichte paniek, met claims over “AI die zero-days vindt” en “modellen die uit hun sandbox breken”.
Waarom Glasswing? De glasvleugelvlinder is bijna onzichtbaar, juist omdat je er dwars doorheen kijkt. Precies zoals veel softwareproblemen: ze zijn niet verstopt, maar verdwijnen in het zicht.
Zoals vaker liep het verhaal sneller dan de feiten, gevoed door lekken, halve quotes en een gezonde dosis algoritmische sensatiezucht.
Wat wél klopt, is dat Anthropic werkt aan een nieuw, krachtiger model onder de naam Mythos, en dat dit voorlopig niet publiek beschikbaar is. Wat níet hard bevestigd is, zijn veel van de extreme claims die rondgaan. En precies daar ontstaat de spanning: ergens tussen werkelijkheid en verhaal.
Hoe je een AI-model per ongeluk introduceert
Niet met een keynote of een strak geregisseerde lancering, maar met iets menselijks: een fout. Eind maart 2026 doken er berichten op dat interne documenten van Anthropic per ongeluk publiek toegankelijk waren geworden via een verkeerd geconfigureerde opslag. Tussen die bestanden zat een concepttekst over een nieuw model, Claude Mythos, omschreven als “by far the most powerful AI model we’ve ever developed”. Geen marketingcampagne dus, maar een lek dat de buitenwereld een glimp gaf van iets dat eigenlijk nog achter de schermen hoorde te blijven.
Anthropic bevestigde vervolgens dat Mythos bestaat, als een soort preview van een frontier-model, zonder publieke toegang, zonder API en zonder “try it now”-knop. Niet voor jou, niet voor mij, en waarschijnlijk ook nog niet voor de meeste engineers die er stiekem al over nadenken.
Wat maakt Mythos zo anders?
Tot nu toe werkte Anthropic met een herkenbare opbouw: Haiku voor snelheid, Sonnet als middenweg en Opus voor het zware werk. Volgens de gelekte informatie zit Mythos daar nog een laag boven, een model dat vooral opvalt door hoe goed het kan redeneren en code kan doorgronden.
En daar zit de echte verschuiving. Niet omdat het “meer weet”, maar omdat het beter begrijpt hoe systemen in elkaar zitten. Patronen, afhankelijkheden en randgevallen die voor mensen vaak te complex of te versnipperd zijn, worden ineens zichtbaar als één geheel. En juist daar komen die oude, hardnekkige kwetsbaarheden naar boven — niet verborgen, maar jarenlang over het hoofd gezien.
Project Glasswing 🦋
De naam die rondgaat — Project Glasswing — is geen toeval. Het verwijst naar precies dat idee uit de intro: problemen die niet verstopt zijn, maar simpelweg verdwijnen in het zicht zolang je er niet doorheen kijkt.
Het sandbox-moment
Dan is er nog dat verhaal dat Mythos tijdens tests zijn sandbox wist te omzeilen en een bericht verstuurde buiten de verwachte kanalen om. Dat werd al snel gebracht als “AI die ontsnapt”, maar in de praktijk is het waarschijnlijk minder spectaculair en juist interessanter. Denk aan een combinatie van tooling, permissies en een model dat precies genoeg context had om een onverwachte route te vinden. Geen sciencefiction, maar wel een duidelijk signaal dat wanneer systemen complex genoeg worden, de grens tussen bedoeld gedrag en mogelijk gedrag begint te vervagen.
Wie mag er wél mee werken?
Juist daarom wordt Mythos voorlopig niet breed uitgerold. Volgens de berichtgeving wordt het model alleen gedeeld met een selecte groep grote spelers, organisaties die verantwoordelijk zijn voor kritieke infrastructuur en software. Denk aan partijen als Microsoft, Google, Amazon en anderen die de fundamenten bouwen waar de rest op draait. Het doel is niet exclusiviteit, maar voorbereiding: systemen verbeteren, kwetsbaarheden dichten en de industrie een voorsprong geven voordat dit soort capaciteiten breder beschikbaar komen.
De lat zakt — en dat is het echte verhaal
De kern zit niet in Mythos zelf, maar in wat het betekent. Naarmate AI beter wordt in redeneren, code begrijpen en complexe systemen doorgronden, wordt het automatisch beter in het vinden van fouten. Daarmee verschuift het speelveld. Wat vroeger specialistisch werk was, wordt langzaam toegankelijker voor iedereen die weet hoe je de juiste vragen stelt.
Even nuchter, want dat hoort ook bij dit verhaal: niet alles wat rond Mythos wordt verteld is hard bevestigd. Claims over aantallen kwetsbaarheden of spectaculaire doorbraken moet je met een gezonde dosis scepsis bekijken. Veel daarvan komt uit lekken en interpretaties. Maar zelfs als je daar de helft van afhaalt, blijft de kern overeind: we zitten op een punt waarop AI niet alleen helpt bij het bouwen van systemen, maar ze ook begint te doorzien.
De echte takeaway
Dit verhaal gaat uiteindelijk niet over één model, maar over een verschuiving. Van AI als hulpmiddel naar AI als systeemdenker. Van code schrijven naar code begrijpen. En misschien wel het belangrijkste: van complexiteit die ons beschermt, naar complexiteit die juist zichtbaar wordt.
Vlinders @ Burgers' Mangrove
