最近，一款名为Mythos的模型因其强大的功能而备受关注。
梦晨该概念源自字节Seed团队与其他多所高校合作的一项研究，并得到了Yoshua Bengio的支持。
社区热议这款未公开发布的模型是否采用了循环语言模型架构。
此外，在其他类型的任务上则没有出现类似异常的差距。
这一点暗示了其进步可能是架构创新而非单纯的规模扩展所致。
循环语言模型的特点在于同一层内的多次计算，能够使小模型超越大型模型。
在广度优先搜索测试中，Mythos的表现尤为突出，它通过反复处理信息来提升性能。
字节的论文表明，循环模型在图遍历任务上的效果显著优于传统的Transformer架构。
实验显示，使用了循环思考机制的小型Ouro系列模型能够与大型的传统模型相匹敌甚至超越。
论文详细分析了知识存储和操作的区别，并解释了为何循环模型能在某些特定领域取得突破性的进展。
循环模型并未增加AI的知识库容量，而是增强了其在现有知识中的搜索和组合能力。
除了图遍历之外，Mythos还在网络安全领域展现出了卓越的性能。
在CyberGym测试中，它取得了83.1%的成绩，显著高于Opus4.6的表现。
此外，Mythos还能发现数千个零日漏洞，展现了其在图遍历方面的能力优势。
尽管Anthropic尚未公开关于Mythos架构的具体信息，但通过数据分析，外界仍在积极探讨该模型背后的技术细节。
GraphWalks BFS测试，就是给模型一个复杂的图结构，让它做广度优先搜索，从起点出发，一层一层地访问所有相邻节点。
标准Transformer处理这类问题只能一次前向传播，从头走到尾，输出结果，没有“迭代”这个概念。
Mythos在图遍历上拿到了80%的分数，表明它内部很可能在“”反复计算”，对同一组信息来回处理了好几遍。
那么什么样的架构能实现“反复计算”？
字节Seed团队在论文中提出LoopLM循环语言模型。
简单总结LoopLM有三个特点。
1、不写长文思考，在模型内部潜空间迭代，不额外输出更多token。
2、简单题少想几步，难题多想几步，自动调节。
3、预训练时就学 “怎么在潜空间思考”，而不是只学 “怎么预测下一个token”。
在实验中，团队训练了Ouro系列循环语言模型，内置了循环思考。
测试结果，1.4B的Ouro模型性能对标约4B的传统模型。2.8B的Ouro模型相当于8B–12B的传统模型。
至于循环模型的能力提升来自何处，论文详细分析了知识存储vs知识操作的区别。
知识存储（Knowledge Storage）的容量是有限的，大约每个参数2bits，不管用什么架构，这个数字基本不变。
循环也不会让你“记住”更多东西。
但知识操作（Knowledge Manipulation）不一样，把已知事实组合起来做多跳推理、执行程序、搜索图结构，这类能力随循环步数和训练tokens指数级增长。
换句话说，循环模型没有给AI一个更大的知识库，但它让AI在知识库库里的搜索和组合能力提升了一个量级。
那么Mythos究竟是不是循环模型架构，有人总结出除了GraphWalks之外的更多线索。
三条线索指向循环模型架构
第一条线索，也就是广度优先图搜索测试结果。
Mythos除了分数是GPT5.4的4倍，比上一代Opus提升幅度也异常大。
第二条线索，Anthropic报告Mythos每个任务使用的token数量是Opus4.6的1/5，但速度更慢。
（价格也贵5倍！）
这在标准Transformer框架下很难说得通，token少，生成步骤就少，应该更快才对。
但循环模型刚好解释了这个矛盾：推理不发生在token层面，而是发生在潜空间，计算量花在了看不见的地方。
线索三，Mythos在网络安全方面非常突出。
Mythos在CyberGym测试上拿到83.1%，Opus4.6是66.6%，领先近17个百分点。
以及找到上千个零日漏洞，主流操作系统和浏览器全都没逃过。
漏洞发现的本质就是对控制流图做遍历。找到一条从输入到危险函数的路径，也就是图的可达性问题。
又是图遍历。又是循环架构的天生强项。
说了这么多，终归只是大家的猜测，Anthropic没有公开任何关于Mythos架构的信息，很可能以后也不会公开。
但有一句话值得思考：
Scaling Law改善一切，相对均匀，架构创新在匹配其归纳偏置的任务上创造异常尖峰值。
循环Transformer的归纳偏置就是迭代图算法。Mythos的异常尖峰，恰好出现在图遍历任务上。
Anthropic不说，但测试数据已经替它说了。
字节论文：
https://arxiv.org/abs/2510.25741
参考链接：
[1]
https://x.com/ChrisHayduk/status/2042711699413926262
[2]
https://aiia.ro/blog/claude-mythos-looped-language-model-theory