OpenMythos: Claude Mythos의 비밀을 파헤친 오픈소스 재구현 프로젝트
2026년 4월, AI 업계를 뒤흔든 모델이 하나 있습니다. Anthropic의 Claude Mythos입니다. 자율적으로 제로데이 취약점을 발견하고, SWE-bench 93.9%를 달성한 이 모델은 너무 강력해서 일반 공개조차 되지 않았습니다. 그런데 이 모델의 아키텍처를 공개 논문만으로 이론적으로 재구현한 오픈소스 프로젝트가 등장했습니다. 바로 OpenMythos입니다.
Claude Mythos — 너무 강력해서 공개할 수 없는 모델
우연히 발견된 존재
Claude Mythos의 존재는 2026년 3월 26일, Anthropic의 CMS 설정 오류로 약 3,000개의 미공개 자산이 노출되면서 세상에 알려졌습니다. 내부 코드명은 “Capybara”. Fortune 매체가 이를 최초 보도했고, Anthropic은 4월 7일에 공식 발표했습니다.
충격적인 사이버보안 능력
| 항목 | Claude Mythos | Claude Opus 4.6 |
|---|---|---|
| SWE-bench | 93.9% | 80.8% |
| Firefox JS 쉘 익스플로잇 | 181개 | 2개 |
| CTF 전문가 레벨 성공률 | 73% | 0% |
| 네트워크 침투 시뮬레이션 | 32단계 중 22단계 | 16단계 |
27년 된 OpenBSD TCP/SACK 버그, 16년 된 FFmpeg H.264 코덱 취약점, 17년 된 FreeBSD NFS 원격 코드 실행 결함까지 자율적으로 발견했습니다.
Project Glasswing — 방어적 사용만 허용
Anthropic은 Project Glasswing 컨소시엄을 통해 방어적 사이버보안 목적으로만 배포합니다. 참여 기업: Amazon, Apple, Google, Microsoft, Cisco, CrowdStrike, NVIDIA 등.
OpenMythos — 커뮤니티가 해체한 아키텍처의 비밀
| 항목 | 내용 |
|---|---|
| GitHub | kyegomez/OpenMythos |
| 제작자 | Kye Gomez (Swarms Corp) |
| 라이선스 | MIT |
| 설치 | pip install open-mythos |
OpenMythos는 Anthropic과 무관한 독립 프로젝트입니다. 실제 모델 가중치는 포함되어 있지 않습니다.
핵심 가설: Recurrent-Depth Transformer (RDT)
Claude Mythos는 수백 개의 레이어를 쌓은 것이 아니라 소수의 레이어를 반복 실행하는 구조라는 것이 핵심 주장입니다.
3단계 구조: Prelude(1회) → Recurrent Block(최대 16회 반복) → Coda(1회)
비유: 100층 건물 대신 3층 건물에서 엘리베이터로 16번 왕복하며 일하는 구조입니다.
5가지 핵심 기술
1. LTI-Stable Injection — 발산 방지
행렬 A를 exp(-exp(x))로 제한하여 항상 0~1 사이 보장. Parcae 아키텍처 기반.
2. Multi-Latent Attention (MLA)
DeepSeek-V2 기반. KV 캐시를 저차원 잠재 벡터로 압축. 10~20배 메모리 절약.
3. Sparse MoE
64개 전문가 중 토큰당 4개만 활성화(6.25%). SwiGLU FFN.
4. ACT Halting — 적응형 조기 종료
누적 확률 0.99 도달 시 정지. 2~3배 추론 처리량 향상 가능.
5. Depth-wise LoRA
루프마다 고유 스케일 벡터 적용.
실제 사용법
pip install open-mythosimport torch
from open_mythos.main import OpenMythos, MythosConfig
cfg = MythosConfig(vocab_size=1000, dim=256, n_heads=8,
max_seq_len=128, max_loop_iters=4, n_experts=8, attn_type="mla")
model = OpenMythos(cfg)
input_ids = torch.randint(0, 1000, (2, 16))
logits = model(input_ids, n_loops=4)
output = model.generate(input_ids, max_new_tokens=8, n_loops=8)| 프리셋 | dim | 헤드 | 전문가 | 루프 | 시퀀스 |
|---|---|---|---|---|---|
| 1B | 2048 | 16 | 16 | 16 | 4K |
| 10B | 4096 | 32 | 64 | 24 | 8K |
| 100B | 8192 | 64 | 160 | 32 | 1M |
| 1T | 16384 | 128 | 512 | 64 | 1M |
OpenMythos의 의미 — 왜 이 프로젝트가 중요한가
가중치 없는 아키텍처 코드가 왜 가치 있는가?
“가중치도 없는 코드가 무슨 의미가 있냐”고 물을 수 있습니다. OpenMythos의 진짜 가치는 생각의 도구에 있습니다. 비공개 모델의 동작 원리를 추측하고 검증 가능한 코드로 표현함으로써, AI 연구자와 개발자들이 최신 아키텍처를 직접 만져보고 실험할 수 있는 출발점을 제공합니다.
구체적으로 어떻게 써볼 수 있나?
1. 아키텍처 학습 도구로 활용
트랜스포머 내부를 공부하는 사람에게 1,014줄짜리 단일 파일은 최고의 교재입니다. MLA, MoE, ACT 같은 최신 기법이 실제로 어떻게 결합되는지 코드 레벨에서 따라갈 수 있습니다.
pip install open-mythos
python3 -c "from open_mythos.main import OpenMythos, MythosConfig; print('OK')"2. 소규모 실험으로 RDT 가설 검증
1B 프리셋으로 작은 데이터셋에 학습시켜, 루프 횟수(n_loops)를 바꿔가며 실제로 “깊이 외삽”이 가능한지 직접 실험해볼 수 있습니다.
# 4루프로 학습한 모델을 8루프로 추론하면 성능이 오를까?
logits_4 = model(input_ids, n_loops=4)
logits_8 = model(input_ids, n_loops=8) # 더 깊은 추론3. 자체 모델 개발의 참고 아키텍처
LTI-Stable Injection이나 Depth-wise LoRA 같은 개별 모듈을 떼어다 자신의 프로젝트에 적용할 수 있습니다. MIT 라이선스이므로 상업적 사용도 자유롭습니다.
4. AI 보안 연구의 맥락 이해
Claude Mythos가 사이버보안에서 보여준 능력의 아키텍처적 근거를 이해하는 데 도움이 됩니다. “왜 루프 트랜스포머가 취약점 발견에 강할 수 있는가?”라는 질문에 대한 하나의 가설을 제공합니다.
더 큰 그림 — AI 스케일링의 전환점
OpenMythos가 시사하는 가장 큰 메시지는 이것입니다: “모델을 더 크게 만드는 것”만이 성능 향상의 길이 아닐 수 있다는 것입니다.
Parcae 논문에 따르면 770M RDT가 1.3B 고정깊이 트랜스포머와 동등한 성능을 보였습니다. 파라미터를 늘리는 대신 추론 시간에 연산량을 늘리는(루프를 더 도는) 접근이 새로운 스케일링 패러다임이 될 수 있습니다. 이는 GPU 메모리가 제한된 환경에서 특히 의미 있는 방향입니다.
또한 백악관의 정부기관 Mythos 접근 추진, IBM의 “Mythos 이후 오픈소스” 성명, EU의 검토 불가 우려 등은 AI 모델이 기술을 넘어 지정학적 자산이 되었음을 보여줍니다.
자주 묻는 질문 (FAQ)
Q: OpenMythos를 설치하면 Claude Mythos를 사용할 수 있나요?
아닙니다. OpenMythos는 아키텍처 코드만 제공합니다. 학습된 가중치가 없으므로 실제 추론이나 취약점 탐지는 불가능합니다. 연구와 학습 목적의 구조 분석 도구로 보시면 됩니다.
Q: RDT 가설이 실제 Mythos와 일치하나요?
확인할 방법이 없습니다. Anthropic은 Mythos의 아키텍처를 공개하지 않았습니다. OpenMythos도 “이론적 추측”이라고 명시합니다. 공개 논문 바탕의 가장 그럴듯한 가설 정도로 이해하시면 됩니다.
Q: 코드를 직접 학습시킬 수 있나요?
가능하지만 별도 학습 스크립트나 데이터셋은 없습니다. 1B 프리셋으로 소규모 실험은 할 수 있으나, 의미 있는 성능을 위해서는 상당한 GPU 자원이 필요합니다.
Q: 770M으로 1.3B 성능이 정말 가능한가요?
Parcae 논문(Prairie et al., 2026)의 결과를 인용한 것이며, OpenMythos 자체가 검증한 것은 아닙니다. 루프 트랜스포머의 효율성은 여러 독립 연구에서 보고되고 있습니다.
Q: Kye Gomez는 누구인가요?
22세의 오픈소스 AI 개발자로, Swarms 에이전트 프레임워크 창시자입니다. X에서 5,500+좋아요를 받은 프로젝트이지만, 학술 논문으로 발표된 것은 아닙니다.
참고 자료
- OpenMythos GitHub
- Claude Mythos Preview 공식 발표
- Project Glasswing
- UK AISI 평가 보고서
- Fortune Mythos 최초 보도
- Kye Gomez X 발표
About the Author
이 글은 OpenMythos GitHub 리포지토리의 전체 코드 구조 분석(main.py 1,014줄, variants.py, test_main.py)과 Anthropic 공식 발표, UK AISI 평가 보고서를 종합하여 작성되었습니다.