Mythos è il modello. Glasswing è il programma con cui Anthropic ha scelto di metterlo al lavoro prima della release ufficiale per gli utenti, in un perimetro difensivo controllato. Capire la relazione tra i due spiega come Anthropic stia non solo annunciando un modello più forte.
Il 7 aprile 2026 Anthropic ha annunciato Project Glasswing, che lavora utilizzando il suo nuovo frontier model: Mythos, la cui esistenza era già trapelata giorni prima in un famoso leak. Project Glasswing è il contesto in cui Anthropic ha deciso di farlo lavorare per primo, il suo primo campo di applicazione.
Se si separano le due cose, la lettura più facile è quella del solito frontier model accompagnato da una cornice di sicurezza. In realtà il rapporto causale è più interessante: Anthropic sostiene di avere osservato in Mythos una soglia anomala nelle capacità di penetrazione nelle strutture ed architetture di sicurezza informatica e, proprio per questo, di non volerlo rilasciare come un normale modello pubblico.
Glasswing nasce per trasformare quella capacità in un programma controllato, con accesso ristretto, task difensivi verificabili e partner selezionati, prima della sua release. Questa è la distinzione decisiva. La notizia non è solo che Anthropic abbia un modello più forte. La notizia è che sta sperimentando una forma di introduzione diversa per una classe di modelli che, pur restando general-purpose e consumer, cominciano ad essere importanti nello scenario della cyber security.
Mythos non è un modello cyber-specialistico, ma un general-purpose che ha superato una soglia
Anthropic presenta Claude Mythos Preview come un modello general-purpose, non addestrato in modo specifico per la cybersecurity offensiva: non è quindi un prodotto costruito per hacking in generale. Il punto è che gli stessi miglioramenti che rendono un modello migliore su codice, reasoning e autonomia possono renderlo molto più potenzialmente nocivo rispetto alla sicurezza di molti strumenti di largo uso, come browsers, provider di cloud storage e persino sistemi operativi classici consumer, non da server.
Quando un modello legge meglio il codice, mantiene più contesto, pianifica catene di azione più lunghe e verifica in autonomia i propri tentativi, non migliora solo nei benchmark da developer. Migliora anche in attività come vulnerability detection, exploit development, black-box testing e analisi di configurazioni fragili. In altre parole, cambia la sua utilità su un set di task che non era necessariamente l’obiettivo principale dell’addestramento, ma che emerge come conseguenza pratica della crescita generale delle capacità.
Anthropic ha reso pubblici alcuni esempi che servono a far comprendere meglio la soglia del reasoning: nei test interni Mythos ha individuato una vulnerabilità in OpenBSD rimasta inosservata per 27 anni, ha portato alla scoperta di un bug zero-day in FFmpeg (software di conversione video di larghissimo uso) dopo milioni di esecuzioni di un sistema automatizzato di randomizzazione di tipo fuzzing (simulazione di comportamenti variabili non canonici), e ha concatenato vulnerabilità in componenti addirittura del kernel Linux. Il punto chiave è che un modello general-purpose stia iniziando ad agire da moltiplicatore di rischio di uso offensivo su software reale.
Per questo Mythos conta. Non perché Anthropic voglia trasformarlo in un oggetto narrativo eccezionale, ma perché quel livello di capacità cambia il problema della release. Quando la soglia si alza abbastanza, la domanda non è più soltanto quanto il modello sia bravo: diventa quanto il modello possa essere utilizzato come arma e quindi nocivo per lo stesso ambiente che dovrebbe contribuire a migliorare.
Glasswing è il layer operativo che incanala Mythos dentro un uso difensivo controllato
Project Glasswing è la risposta operativa di Anthropic a quel cambio di soglia, cioè un programma di pre-rilascio difensivo controllato: Mythos sarà a disposizione, in forma di gated research preview e solo su invito, a organizzazioni selezionate che producono e lavorano con software critico come Amazon Web Services (AWS), Apple, Broadcom, Cisco, Google, Microsoft e NVIDIA.
In questo quadro, il rapporto tra i due elementi è chiaro: Glasswing impiegherà Mythos in task ad alto valore difensivo e dove il risultato può essere validato, valutato, divulgato in modo circoscritto e corretto a chi quel software lo sviluppa o lo implementa. Il programma cita attività come vulnerability detection, black-box testing, endpoint security e penetration testing: tutti task che servono a “mettere alla prova” un software, un sistema operativo, un provider.
La logica non è solo restrittiva. È anche strumentale. Glasswing serve ad accumulare esperienza su come questi modelli debbano essere rilasciati per il pubblico in una fase successiva.
Perché Anthropic non lo tratta come un normale modello pubblico
Anthropic sta trattando Mythos non come un semplice upgrade di performance, ma come una capacità che crea simultaneamente valore difensivo e rischio di abuso. Quando questa doppia natura diventa abbastanza forte, la decisione non può più essere solo una questione di pricing, abbonamento o accesso API. Diventa una questione di governance e responsabilità dell’introduzione.
Glasswing serve principalmente a due cose: dare un vantaggio di preparazione ai difensori, consentendogli di testare il modello in ambienti controllati, ma anche e soprattutto a proteggere gli utenti stessi dei servizi dei grossi operatori. Basti vedere che rientrano nel programma non a caso Google e Apple, che insieme contano miliardi di utenti dei loro software e servizi (e devices) sul pianeta.
Questa impostazione non prova che Mythos sia un modello ingestibile in assoluto, ma prova che per Anthropic il rilascio di strumenti del genere debba seguire una nuova fase: prima impiego difensivo ristretto, osservazione sul campo, apprendimento operativo e sviluppo dei safeguard; solo dopo, eventualmente, forme più ampie e meglio governate di disponibilità per modelli di questa classe pubblicamente.
L’obiettivo dichiarato non è quindi portare questo identico preview sul mercato retail, ma capire come distribuire in sicurezza modelli “Mythos-class” su scala molto più ampia, qual è il framework reale di testing necessario per il rilascio di prodotti con questo livello di capacità al pubblico.
Glasswing prepara un metodo di introduzione per modelli simili, non il rilascio di Mythos Preview
Questo è il punto che più spesso si perde nella copertura veloce. Se si legge bene il materiale di Anthropic, Glasswing non viene descritto come sala d’attesa per il rilascio pubblico di Mythos Preview. Viene descritto come il programma con cui l’azienda vuole generare esperienza, benchmark pratici, raccomandazioni e safeguard per un mondo in cui modelli di capacità simile saranno più diffusi, quindi non solo per Mythos.
Per questo Anthropic abbina Glasswing anche a una logica di preparazione dell’ecosistema. Il programma promette report pubblici a finestra ravvicinata e raccomandazioni per chi difende infrastrutture e software critico. Letta in questo modo, la relazione fra Mythos e Glasswing è lineare: Mythos è il motivo per cui serve il programma; Glasswing è il dispositivo con cui Anthropic vuole trasformare una capacità ancora delicata in conoscenza operativa trasferibile.
È una distinzione importante perché cambia il significato del programma. Glasswing serve a usare per primo quel modello dove la capacità ha un rendimento difensivo elevato, al fine di fortificare strutture già esistenti e ridurre il rischio che venga usato in modo offensivo, per poi avere quegli stessi dati nel prodotto finale a disposizione anche dell’utilizzo enterprise classico, come la cybersecurity o il semplice sviluppo di software proprietario.
Il significato operativo per aziende e team AI
Il caso interessa anche chi non lavora in cybersecurity offensiva perché mette a fuoco un punto più generale sull’adozione dei modelli nelle aziende oggi stesso, non domani: sopra una certa soglia di capacità, non cambia solo quanto un modello performa, ma cambia il modo in cui va introdotto in un’organizzazione. E non bisogna arrivare alla release pubblica di Mythos: i modelli frontier GPT, Claude e Gemini già posseggono capacità molto avanzate.
Per aziende, team innovation e technical decision-maker, la lezione non è “servono modelli segreti” ma che quando un modello diventa molto performante nell’automazione, non lo si può utilizzare e distribuire in modo leggero o indistinto. Servono implementazioni gestite e controllate da vicino, gestione stretta degli accessi, controlli più chiari e un collegamento molto più stretto tra test delle capacità e regole di utilizzo. In questi casi adottare AI non è più solo una scelta tecnica o di acquisto. È una scelta che riguarda processi, responsabilità e confini operativi dell’utilizzo.
Per questo per Anthropic, Mythos e Glasswing sono due campi di sviluppo del prodotto, ma il secondo conta molto di più del primo, perché crea un framework che porta il prodotto Mythos a poter essere gestibile e più sicuro sia per il cliente finale, che sia un semplice utente da chat o una grande azienda che lo implementa nei suoi processi.
Mythos segnala che i frontier model general-purpose possono arrivare a una soglia in cui le capacità saranno tali da richiedere di ripensare le modalità di rilascio di prodotti di nuova generazione. Glasswing mostra quale tipo di risposta operativa una società come Anthropic può scegliere quando non può limitarsi a pubblicare il modello e osservare che cosa succede.
Per questo Glasswing è molto di più del sensazionalismo sul singolo modello: rende visibile il fatto che, a certe soglie di capacità, il vero prodotto non è solo il modello, ma anche il contesto controllato in cui lo si fa entrare nel mondo reale.



