Jika Anthropic tidak akan menunjukkan apa yang ada di dalam AI paling berbahayanya, seseorang di GitHub akan menebaknya.
Seorang pengembang bernama Kye Gomez telah menerbitkan OpenMythos, rekonstruksi sumber terbuka tentang seperti apa Claude Mythos di balik layar. Repo tersebut telah mengumpulkan lebih dari 10.000 bintang GitHub dalam beberapa minggu setelah dirilis, dan dilengkapi dengan file “readme” yang lengkap berisi persamaan, kutipan, dan pernyataan penafian yang sopan bahwa itu tidak ada hubungannya dengan Anthropic.
Ini spekulasi. Tapi ini spekulasi terstruktur, dalam kode.
Berikut penyegaran singkat tentang apa itu Mythos: Mythos bocor ke publik pada akhir Maret, ketika Anthropic secara tidak sengaja menerbitkan draf materi yang menggambarkannya sebagai model paling mampu dari perusahaan hingga saat ini—satu tingkat di atas Opus. Selanjutnya, Mythos Preview, ternyata sangat bagus dalam keamanan siber hingga tidak dapat dirilis.
Menurut Anthropic, Mythos menemukan 271 kerentanan di Firefox selama pengujian Mozilla. Ini menjadi model AI pertama yang menyelesaikan simulasi serangan jaringan korporat 32 langkah. Anthropic menguncinya di dalam Proyek Glasswing, koalisi yang telah diverifikasi dari sekitar 40 mitra, termasuk Microsoft, Apple, Amazon, dan NSA.
Publik tidak pernah bisa menyentuhnya. Jadi Gomez mencoba mencari tahu cara kerjanya.
Dugaan utama OpenMythos adalah bahwa Mythos adalah Recurrent-Depth Transformer—juga disebut transformer berulang. Model standar menumpuk ratusan lapisan unik. Model berulang mengambil tumpukan yang lebih kecil dan menjalankannya berulang kali dalam setiap *forward pass*.
Dengan kata lain, ini adalah bobot yang sama yang melalui lebih banyak iterasi. Pemikiran yang lebih dalam, dalam ruang laten yang kontinu, sebelum token apa pun dikeluarkan.
Repo ini berpendapat bahwa ini akan menjelaskan dua kualitas teraneh Mythos: Ia menalar melalui masalah-masalah baru yang tidak dapat dipecahkan oleh model lain, tetapi memorisasi mentahnya tidak merata. Itulah jejak arsitektur dari pengulangan—komposisi di atas penyimpanan.
OpenMythos mengutip Parcae, makalah April 2026 dari University of California San Diego dan Together AI yang memecahkan masalah ketidakstabilan yang telah lama ada pada model berulang—model Parcae 770 juta parameter cocok dengan transformer kedalaman tetap 1,3 miliar parameter dalam kualitas, dengan hukum penskalaan yang dapat diprediksi untuk berapa banyak pengulangan yang harus dijalankan. Repo ini juga meminjam Multi-Latent Attention dari DeepSeek untuk mengompres memori, dan pengaturan Mixture-of-Experts untuk menangani cakupan lintas domain.
Yang tidak dimilikinya adalah bobot, jadi pada dasarnya itu adalah teknik tanpa eksekutor.
OpenMythos bersifat teoretis. Kode tersebut mendefinisikan varian model dari 1 miliar hingga 1 triliun parameter, tetapi Anda harus melatihnya sendiri—file readme menunjuk ke skrip pelatihan 3 miliar parameter pada FineWeb-Edu dan target 30 miliar token yang disesuaikan Chinchilla, yang merupakan jenis biaya komputasi yang mencapai ratusan ribu dolar pada H100. Belum ada yang melakukannya.
Jadi mengapa ini penting?
Karena ini adalah kali kedua dalam sebulan seseorang mencoba meruntuhkan dinding di sekitar Mythos. Yang pertama adalah studi dari Vidoc Security, yang mereproduksi beberapa temuan kerentanan Mythos yang paling mengkhawatirkan menggunakan GPT-5.4 dan Claude Opus 4.6 di dalam agen sumber terbuka. Tanpa akses Glasswing, dan dengan biaya kurang dari $30 per pemindaian. Sudut pandang berbeda, kesimpulan yang sama: Parit di sekitar Mythos mungkin lebih tipis dari yang disarankan pemasaran.
OpenMythos dan replikasi Vidoc melakukan pekerjaan yang berbeda. Vidoc mereproduksi output Mythos—penemuan kerentanan itu sendiri—menggunakan model yang ada. OpenMythos mencoba mereproduksi arsitekturnya—mesin sebenarnya yang menghasilkan output tersebut. Satu mengatakan Anda tidak membutuhkan Mythos untuk menemukan bug yang ditemukan Mythos. Yang lain mengatakan, pada akhirnya, Anda mungkin bisa membangun sesuatu seperti Mythos sendiri.
Anthropic hampir pasti tidak membagikan dugaan arsitektur Gomez secara publik, dan beberapa pilihan desain di OpenMythos adalah batasan yang jelas—file readme memastikan untuk cukup samar agar pengguna tahu bahwa ini hanyalah sebuah pendekatan. Ini berulang kali mengatakan "kemungkinan besar," "diduga," dan "hampir pasti." Mythos yang sebenarnya mungkin bukan transformer berulang sama sekali. Atau mungkin itu adalah salah satu dengan detail yang belum direkayasa ulang oleh Gomez.
Yang ditunjukkan OpenMythos adalah bahwa literatur penelitian sudah berisi sebagian besar bagiannya. Transformer berulang, Mixture of Experts, Multi-Latent Attention, Adaptive Computation Time, perbaikan stabilitas Parcae—tidak ada yang bersifat proprietary. Repo ini, lebih dari segalanya, adalah inventarisasi dari apa yang diketahui publik tentang cara membangun model kelas Mythos.
Repo ini berlisensi MIT, dan sudah memiliki 2.700 fork. Skrip pelatihan ada di sana, menunggu seseorang dengan klaster GPU dan tesis untuk dibuktikan.
