Mythos の瞬間
2026年4月7日、Anthropic は Claude Mythos Preview を発表しました。見出しだけでも衝撃的でした。単一のモデルが自律的に動作し、主要なオペレーティングシステムとウェブブラウザのすべてにまたがって、これまで知られていなかった数千の脆弱性を特定したのです。そのうちの一つ、FreeBSD の NFS 実装におけるリモートコード実行の欠陥は、17年間コードベースに居座っていました。査読も、人手による監査も、数百万件の自動テストもすり抜けてきたのです。Mythos はそれを数時間で発見し、動作するエクスプロイトを書き上げました。
数週間後、セキュリティ研究者たちは、Mythos が OpenBSD の27年前の TCP SACK 脆弱性と、FFmpeg の16年前の欠陥も浮かび上がらせたと報告しました。Anthropic はこのモデルを商用リリースしないことを選びました。代わりに、主要なテック企業のコンソーシアムである Project Glasswing を立ち上げ、Mythos の発見について責任ある開示プロセスを進めています。
反応は予想どおりに分かれました。一部はこれを世代を超えた飛躍として扱い、AIが「役立つアシスタント」から「攻撃能力を備えた自律エージェント」へと移行した瞬間だと評しました。The Ringer をはじめとする他の論者は、Mythos が原理的にインターネットを破壊しうるかどうかを問いました。どちらの反応も、セキュリティチームを率いていない人にとっては、より有用な問いを見逃しています。
その問いとはこうです。これほどの能力を持つモデルでさえ、あなたが誰なのかをまったく知らないとすれば、それは持続的な価値がどこにあるのかについて、何を示唆しているのでしょうか。
Mythos にできること、できないこと
Mythos が実際に何を意味するのかを具体的に押さえておく価値があります。誇大宣伝と現実の差にこそ、有用な思考の余地があるからです。
Anthropic のレッドチームレポートと InfoQ の報道によれば、Mythos Preview は Claude Opus 4.6 と比較して、数学、ロングコンテキスト推論、ソフトウェアエンジニアリング、サイバーセキュリティの領域で最も大きな伸びを示しています。標準ベンチマークでは新記録を樹立しました。敵対的なセキュリティタスクでは、以前のモデルが維持できなかったレベルの自律性で動作します。標的を与えれば、追加の指示なしに計画し、探索し、反復することができます。
しかし、そのリストに含まれていないものに注目してください。
Mythos は、あなたが2021年のフライトで読み、キャリアの考え方を静かに変えた一冊の本を知りません。Tyler Cowen のインタビューのある一段落が、あなたの投資判断を見直させたことを知りません。今年あなたが4回戻ってきた Naval Ravikant のツイートストームから抜き出した3つのハイライトを知りません。あなたの読書速度、曖昧さへの耐性、反論の好み、ある種の証拠を誤読しがちな特定のパターンも知りません。
ここに非対称性があります。Mythos は公開インターネットと、Anthropic がライセンスできた独自データで学習されました。他のすべてのフロンティアモデルも同じです。公開情報は、どのラボもアクセスできる入力です。それは参加費にすぎません。どのモデルも標準では持っていないのは、時間をかけて情報の中を動き回ってきた、あなた固有の精神の軌跡です。
その軌跡は三つの場所に存在します。一つはあなたの頭の中。そこでは劣化しやすく、忘却に弱い。次に散らばったツール（ノートアプリ、スクショフォルダ、ブラウザのブックマーク）。そこではAIから事実上見えません。あるいは、AIが実際に読み込める構造化された形で存在することもあります。
三つ目の選択肢が、すべてを変えます。
なぜパーソナルコンテキストが新しい堀なのか
戦略論において、堀とは競合が容易に再現できない構造的な優位性のことです。Coca-Cola の堀はブランド、Google の堀はリンクグラフとユーザーのクリックデータ、AWS の堀はスイッチングコストです。
AIとともに働く個人にとって、その類比は何でしょうか。
それは、より良いモデルへのアクセスではありません。フロンティアの能力は急速に収束しており、最良のクローズドモデルと最良のオープンモデルとの差は、いまや数ヶ月単位で測られます。プロンプト作成のスキルでもありません。それは学べる技能であり、レバレッジには限界があるからです。生のドメイン専門知識ですらありません。AIは、明示的な知識を要するタスクの多くで、初心者と専門家のギャップを圧縮できるからです。
堀とは、AIにとって読み取り可能でありながら、他の誰にも提供できない、あなたの認知の一部です。これをパーソナルコンテキストと呼びましょう。
これは Mythos 以前からすでに真でした。Mythos が明確にしたのは、モデルの能力をいくら高めてもこのギャップは消えないということです。あなたのことについて何のコンテキストも持たない、より強力なモデルは、よりよいパーソナライズ出力を生み出すわけではありません。より自信に満ちた一般的な出力を生み出します。それは悪い結果です。なぜなら、自信の高さが誤りを見抜くコストを引き上げてしまうからです。
汎用AIにキャリアの意思決定について助言を求めたら何が起こるかを考えてみてください。AIは数百万の類似プロンプトでパターンマッチし、平均的な形をしたレスポンスを返します。あなたがオプショナリティを最適化することを望んでいると伝えていなければ、すでに創業者バーンアウトを一度経験していると伝えていなければ、あなたのいる特定の業界が学習データに反映されない形で変化していると伝えていなければ、AIはそれらの要素を重みづけしようがありません。流暢でもっともらしいけれど、誰にも合っていない助言を返してくるでしょう。
今度は、3年間にわたって本や記事のハイライト、ポッドキャストのメモ、自分自身の文章への注釈をモデルに与え続けてきたと想像してください。同じモデルが急に、あなたが述べた優先順位、Patrick O'Shaughnessy のインタビューからハイライトしたフレームワーク、別の創業者のバーンアウトについて読んだ際にあなたが印をつけた具体的な失敗モードを参照する助言を返してくれます。同じモデル。違う出力。差分はコンテキストです。
これは、セカンドブレインの構築と Tiago Forte のフレームワークを動かしてきたのと同じ論理であり、Mythos のリリースによってより鮮明な焦点で浮かび上がったものです。キャプチャすることの目的は、あなた自身による検索ではありません。あなたのコンテキストと土台となるモデルが両方とも改善されるほど価値を増すシステムに、給餌することなのです。
コンテキストの原子単位としてのハイライト
すべてのコンテキストが、AIにとって等しく有用というわけではありません。形式は、人々が思っている以上に重要です。
ある本から得られた同じ洞察を、3通りの方法でキャプチャした場合の違いを考えてみてください。
本を読んで、「著者はフィードバックループについて何かを主張していた」とおおよそ覚えておくこともできます。これはAIにとって無用です。離散的な事実として取り出せないからです。劣化もしやすく、1週間でニュアンスを忘れます。
章全体をノートアプリにコピーすることもできます。これは無用以下です。AIは、あなたにとって重要だった一文を探すために、何千もの関係ない単語をスキャンしなければなりません。さらに悪いことに、出典の帰属を剥ぎ取っているので、モデルはその主張を検証したり拡張したりすることができません。
あるいは、心に響いた具体的な一文をハイライトし、ソースの URL や本の章にひもづけたまま残し、必要に応じて「なぜ重要だったか」を一行のノートとして添えることもできます。そのハイライトはコンテキストの原子になります。事前にフィルタリングされ（あなたが選んだ）、プロンプトに安価に読み込めるほど短く、検証のために出典が付与され、数千個でも1回の取得呼び出しに収まるほど小さい。
これこそが、Glasp のウェブハイライターがあのような構造になっている理由です。ハイライトは、AIが必要とするものすべてを保持しつつ、キャプチャできる注意の最小単位です。それを、あなたの思考を実際に形作った本、記事、PDFにわたって数百回、数千回掛け合わせると、どのラボの学習データもカバーしていないパーソナルなコーパスができあがります。
その上に、もっとも深く、もっとも考え抜かれた読書を反映することの多い Kindle のハイライトを加えれば、コーパスはさらに深まります。
実際にじっくり学ぶ価値があると判断した動画の YouTube Summary のタイムスタンプを加えれば、ほとんど誰も保存しようとしないコンテキストの層（動画の知識は事後に取り出すのが難しいことで有名です）を捉えたことになります。
ほとんどの人が失っているものを、複利で増えていく資産に変えたのです。
| キャプチャ方法 | AIで検索可能か | 出典の付与 | 関連性で事前フィルタ済みか | AIへのコスト |
|---|---|---|---|---|
| 記憶のみ | 不可 | なし | あり、ただし劣化 | 該当なし |
| スクリーンショット | 不十分（OCRの精度次第） | なし | あり | 高 |
| 全文ブックマーク | 可能 | あり | なし | 高 |
| 手書きノート | 不可 | 時々あり | あり | 該当なし |
| 出典付きハイライト | 可能 | あり | あり | 低 |
形式は「あったらいいね」ではありません。AIが使えるコンテキストシステムと、AIが無視せざるをえない山との違いそのものです。
パーソナルコンテキストのスタック
パーソナルコンテキストを堀として考え始めると、それを単一のものではなく、スタックとして捉えると見通しがよくなります。
レイヤー1：生のハイライト。 マークした文章やクリップ。最小かつ最も安価な原子です。「この人は、何のために立ち止まる価値があると感じたのか」という問いに答えてくれます。
レイヤー2：注釈。 ハイライトに添えられた、その理由をとらえる短いノート。「これは面白い」ではなく、「これはXと矛盾する」あるいは「Q3の意思決定に役立つ」のように。注釈は、ハイライトだけでは伝えきれないシグナルを補います。
レイヤー3：プロフィールと宣言された目標。 あなたが世界の中で何者なのか。何を学ぼう、作ろう、決めようとしているのか。これはパーソナルなAIにとってのシステムプロンプトに相当します。レイヤー1と2のすべてをどう解釈すべきかを、モデルに伝えます。
レイヤー4：ソーシャルコンテキスト。 あなたのネットワーク内の他の人々が、同じソースの中で何をハイライトする価値があると考えたか。ここで Glasp のコミュニティフィードが役に立ちます。信頼する5人が同じエッセイの異なる文章をハイライトしているのを見れば、その一人だけのハイライトでは読み取れないことが、そのエッセイについて分かります。
レイヤー5：スタックの上で動作するAIチャット。 ここですべてが実用化されます。Glasp のAIチャットのようなツールを使えば、自分のスタックに直接問いを投げかけることができます。「不確実性下の意思決定について、私は何をハイライトした？」「過去6ヶ月で採用に触れたハイライトをすべて引き出して」「このインタビューで Marc Andreessen が言ったことと、2年前に Peter Thiel からハイライトした内容との矛盾を見つけて」。スタックがなければ、これらの問いはそもそも成立しません。
興味深いのは、各レイヤーが他のレイヤーを複利で強化することです。ハイライトのないプロフィールは一般的なプロンプトに過ぎません。注釈のないハイライトは結合のない原子です。あなた自身のコーパスのないソーシャルコンテキストは単なるフィードです。問い合わせるスタックを持たないAIチャットは、誰もが使っている同じ一般的なチャットボットです。
このリストの中で本当にあなたのものと言えるのは、スタック全体だけです。
Glasswing が個人に教えてくれること
Mythos の攻撃能力に対する Anthropic の応答である Project Glasswing は、戦略パターンとして学ぶ価値があります。それは同時に、業界規模で適用されたパーソナルコンテキスト原則のほぼ完璧な例示でもあります。
Anthropic は Mythos を公開することができました。彼らはそうしないことを選びました。発見された脆弱性を公にすることもできました。それもしないことを選びました。代わりに、信頼できる関係者（Microsoft、Apple、Google など）からなるキュレートされたネットワークを構築し、そのネットワーク内で、調整された開示スケジュールに沿って発見を共有しています。
Alan Turing Institute の CETaS による分析にもあるように、その理由は単純です。コンテキストなしで能力を公開すると混乱を生みます。同じ能力を、責任を持って行動するためのコンテキストを備えたネットワーク内でキュレートして開示すれば、修正されたシステムを生み出すことができます。
これを個人に当てはめてみます。あなたのパーソナルコンテキストを伴わないフロンティアAIは、攻撃的な Mythos のようなもの、能力はあるがあなたの状況に整合していません。同じAIに、キュレートされたパーソナルなスタックへのアクセスを与えれば、Glasswing バージョン、能力があり、文脈にも整合しています。モデルは変わりません。変わるのは、それを取り巻くコンテキストのネットワークです。
これは 集合知の背後にあるのと同じ原理です。価値は単一のピースにあるのではありません。キュレーションと、ピース同士の関係性にあります。
個人の学習者にとっての実務的な翻訳はこうです。AIのリリースをすべて追いかけようとするのをやめましょう。どのリリースも自分にとって有用にしてくれる、コンテキスト層を築き始めるのです。
研究室なしで堀を築く
パーソナルコンテキストを築くために、研究チームやフロンティアモデルのラボは必要ありません。必要なのは、実際に使い続けられるほど摩擦の少なく、後でAIが読み取れるほど構造化されたシステムです。
どのツールを使うにせよ通用する原則をいくつか紹介します。
ソースで、後ではなくその場でキャプチャする。 ある一文が依然として重要だと感じられる時間の窓は短い。今ブックマークして「あとで」ノートを取るつもりでいると、シグナルの8割を失います。ブラウザ内で、ページ上で、注意が向いた瞬間にハイライトすることが、なぜ重要だったかを保存する唯一の方法です。Glasp のウェブハイライターは、この制約のもとに作られました。
注釈は控えめに、しかし具体的に。 注釈なしのハイライトには価値があります。「これは素晴らしい」だけの注釈には価値がありません。なぜなら理由を説明していないからです。「先期に使ったフレームワークと矛盾する」と書かれたハイライトは金です。ハイライト10件につき注釈1件で十分です。その注釈に意味を持たせましょう。
出典は徹底して保持する。 出典のない引用は検証不能です。未来のあなたはハイライトに再会したとき、著者が信頼できる人物だったかどうか思い出せません。AIも同じ疑念を持って扱うでしょう。出典の付与は、小さな習慣でありながらレバレッジの大きい習慣です。
動画と音声をファーストクラスとして扱う。 ほとんどのパーソナルコンテキストシステムは、動画を静かに除外しています。これは問題です。なぜなら、真剣な学びの半分は今やポッドキャストと YouTube を通じて行われているからです。タイムスタンプにひもづいたハイライトを伴う YouTube Summary がこれを解決します。書籍のハイライトに対応する動画版は、文字起こしから引用された30秒のクリップです。
ゆっくりとした周期で見直す。 一度も読み返さないハイライトでも有用です（AIが見つけられます）。けれど、見直したハイライトはシグナルの第二層、つまり「あなたが戻ってきた」という事実を得ます。これは、生のコンテキストを推論に近いものへと変える シンセシスループ（キャプチャ、再訪、接続）です。
自分でキャプチャできないことについては、ネットワークを信じる。 すべてを読む人はいません。コミュニティフィードは、あなたが尊敬する人々が印を残した内容を見られる場所です。自分の読書では行き届かない隅を埋めてくれる、並行のパイプラインとして扱いましょう。
このどれもが、英雄的な行為ではありません。安定して続けることでコンテキスト層を生み出してくれる、ちょっとした習慣のセットです。それを築かない限り、どのモデルもそれを持つことはありません。
ケイパビリティの差はさらに広がる
「AIは十分に高性能になるので、パーソナルコンテキストは重要ではなくなる。必要なことを述べれば、十分に賢いモデルが残りを察してくれる」という、誘惑的な考え方があります。
Mythos のリリースは、その見方を支える証拠ではなく、反証する証拠です。
理由はこうです。能力とコンテキストは代替ではありません。補完です。あなたについてのコンテキストを持たない、より賢いモデルは、間違った標的に向けられた、より強力な道具です。Mythos のフル能力を、あなたのビジネス、優先順位、過去の失敗を知らない人に渡したらどうなるか、想像してみてください。出力は自信に満ち、洗練されていて、しかも検出が難しい形で間違っています。表面の流暢さがあまりに高いからです。
これは、最も危険なレベルでの AI 思考の罠です。モデルが悪いときには気付きます。モデルが優秀だけれど一般的なときには気付かず、それでもその出力に基づいて行動してしまうのです。
抜け道はモデルを遅らせることではありません。モデルはどのみち速くなっていきます。抜け道は、モデルを実際に活用させてくれるパーソナルコンテキストの層を築くことです。ラボは能力にリソースを注いでいます。あなたのコンテキストにリソースを注いでいる人はほとんどいません。その非対称性こそが、あなたの機会です。
2年後、機能するパーソナルコンテキストのスタックを持つ人々は、自分の思考の首尾一貫した延長として動作するAIを手にしているでしょう。持たない人々は、自信ありげな他人として動作するAIを手にしているでしょう。両者は同じモデルを使うことになります。
Frequently Asked Questions
Claude Mythos は一般利用できますか？
いいえ。2026年5月時点で、Anthropic は Mythos Preview を商用リリースしていません。モデルは社内と、責任ある脆弱性開示のための Project Glasswing を通じて利用されています。Anthropic は、一般アクセスを差し止める理由としてサイバーセキュリティのリスクを挙げています。これがケーススタディとしてこのモデルが興味深い理由の一つです。能力としては存在するが広くアクセス可能ではない、という状況を表しており、「もし手にしたら何をするか」という問いを真剣に考える価値があるからです。
これはパーソナルコンテキストを単一のAIプロバイダーに依存させることになりませんか？
キャプチャを正しく構造化していれば、そうはなりません。ハイライト、注釈、ノートはポータブルです。出典が付いた単なるテキストです。エクスポートできるシステムに保存しておけば、フロンティアが変化するにつれてAIプロバイダー間を移動できます。避けるべきは、独自フォーマットで取り出せない形にあなたのコンテキストをロックするツールです。Glasp はハイライトをエクスポートできます。どのAIを最終的に使うことになろうと、これは保持しておきたい性質です。
これは ChatGPT のメモリ機能を使うのと何が違うのですか？
ChatGPT のメモリは、会話からモデルが推定したあなたについての、不透明でプロバイダーが管理する要約です。監査できず、簡単に編集できず、別のモデルに移植できません。この記事で言うパーソナルコンテキストは、あなたが所有する構造化されたデータ（ハイライト、ノート、プロフィール）です。点検し、編集し、バージョン管理し、任意のAIに与えることができます。一方は製品の機能。もう一方は、製品の変化を生き残る堀です。
何年もハイライトしてこなかったら、もう手遅れですか？
手遅れになることはありませんが、時間を圧縮することもできません。今日から給餌を始めるシステムは、数ヶ月で役に立ち、数年で不可欠になります。Charlie Munger の有名な言葉に、「木を植える最良の時期は20年前で、次に良い時期は今日だ」というものがあります。ここにも同じことが当てはまります。3年前に Glasp を始めた人は、今日、意味のあるコンテキスト上の優位を持っています。今月始める人は、2029年にその同じ優位を持つことになります。
将来のAIは、私のブラウザ履歴をすべて読んで、これらを自動的に推測してくれるのではないですか？
その一部はそうかもしれません。ただし二つのことが重要です。第一に、生のブラウザ履歴はほとんどがノイズです。シグナル対ノイズ比は、あなたの人生で最も高価な資源、つまり注意によって事前にフィルタされたハイライトに比べて、はるかに低くなります。第二に、たとえ将来のAIが履歴からあなたのコンテキストを再構築できたとしても、そのデータを保持するプロバイダーは、あなたが必ずしも依存したい相手とは限りません。コンテキスト層を自分で所有することは、効率向上だけでなく、AI業界の将来の形に対するヘッジでもあります。
YouTube Summary はこの中でどう位置づけられますか？
動画と音声は通常、パーソナルコンテキストシステムからは見えにくい存在で、これは大きなギャップです。なぜなら、現代の真剣な学びの多くがそこを通じて行われているからです。YouTube Summary はトランスクリプトを抽出し、重要な瞬間を浮かび上がらせ、特定のタイムスタンプをハイライトできるようにします。出力は機能的には書籍のハイライトと同じです。短い引用、ソース、時刻の一点。つまり、YouTube での学びがファーストクラスのコンテキストになり、これまで読んできたものと並んでAIから問い合わせできるようになります。
コンテキストが多くなると、AIのプロンプトコストも増えませんか？
増えます。ただし、コストは急速に下がり続けており、コンテキストウィンドウは拡大し続けています。2年前は、1,000件のハイライトをプロンプトに読み込むのは高価でした。今では些細なコストです。意味を持つほど大きなコーパスを築き上げる頃には、それを使うコストは、持っていないことのコストを下回るでしょう。本当のリスクは、コンテキストを多く持ちすぎることではなく、持たないことです。
結論：あなたを知ることになるシステムへ、今日から給餌を始める
Claude Mythos は、フロンティアAIに何ができるのかをこれまでで最も明確に示しています。何十年にもわたる人手によるレビューを生き延びてきたコードの中から、27年前のバグを見つけ出すこと。人間からの指示なしで、動作するエクスプロイトを生成すること。そのすべてを数時間で行うこと。能力は本物で、加速していて、止まる気配はありません。
その能力に含まれていないもの、そして標準では含まれないものは、あなたについての一切のモデルです。あなたの優先順位、読書履歴、あなたの考え方を形作った具体的な一文。その絵の部分は、最も優秀なモデルにとっても、あなたが可視化しない限り、見えないままです。
仕事は小さくとも、圧縮はできません。一度に一つのハイライト。文脈が必要なときに一つの注釈。他のすべてを重みづける方法をAIに伝える短い一つのプロフィール。自分では生み出せなかった視点が欲しいときに、ネットワークのハイライトを一巡すること。どれも英雄的ではありません。すべてが複利で増えていきます。
Glasswing のパターンは、個人にとっても正しいメンタルモデルです。Mythos に、キュレートされたコンテキストネットワークを組み合わせれば、有用で、範囲が定まり、責任ある出力が生まれます。コンテキストのない Mythos は、間違った問題を探している能力です。同じロジックを自分自身に当てはめてください。フロンティアは動き続けます。あなたのものとして残るのは、その周りに築いてきたコーパスです。
今日、ハイライトを一つ始めましょう。2028年にあなたを知っているシステムは、今あなたが給餌を始めたシステムです。Glasp のウェブハイライター、YouTube Summary、そしてハイライトの上で動作するAIチャットは、まさにこの前提のもとに設計されています。低コストでキャプチャし、すべてに出典を付け、誰も持っていないコーパスに対してAIに重い検索を任せる。
モデルはあなたの堀ではありません。あなたのコンテキストが堀なのです。
