Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
epoch2. Juli 2026 · Q006022

Disclosed CVEs: 3.5× spike after Claude Mythos

epoch.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Epoch AI zählt für Juni 2026 insgesamt 1.546 veröffentlichte CVEs hoher oder kritischer Schwere – mehr als das 3,5-Fache des bisherigen Monatsrekords vor der Mythos-Ankündigung. Der Bericht sieht einen zeitlichen Zusammenhang mit neuen KI-Sicherheitsinitiativen, belegt aber keine Ursache; zudem unterscheiden sich die Melde- und Einstufungsverfahren der erfassten Organisationen deutlich.

Mittel

Epoch AI berichtet von einem starken Anstieg veröffentlichter schwerwiegender Sicherheitslücken im Jahr 2026. Für Juni nennt die Tabelle 1.175 hoch und 371 kritisch eingestufte CVEs, zusammen 1.546 – laut Bericht rund 3,5-mal so viele wie beim bisherigen Monatsrekord vor der Ankündigung von Claude Mythos Preview.

Der Anstieg folgt zeitlich auf Anthropics Ankündigung im April, Mythos könne Sicherheitslücken autonom finden und ausnutzen. Anthropic zufolge nutzten Partner des Projekts Glasswing das Modell, um Fehler vorab zu finden und zu beheben; das Unternehmen gibt an, Glasswing habe über 10.000 hoch oder kritisch eingestufte Lücken gefunden, von denen viele noch nicht einzeln offengelegt seien. Der Bericht nennt OpenAIs Daybreak als ähnlichen Vorstoß. Diese Angaben sind Unternehmensbehauptungen; der zeitliche Verlauf allein belegt keine Ursache.

Die Monatsdaten umfassen Januar 2022 bis Juni 2026 und CVEs ausgewählter großer Organisationen. Epoch weist darauf hin, dass sich deren Meldeverfahren, Einstufungen und Veröffentlichungstempo erheblich unterscheiden. Die Zahlen beschränken sich auf hohe und kritische Schweregrade.

Ausführlich lesen

Der Bericht von Epoch AI beschreibt einen starken Anstieg der veröffentlichten schwerwiegenden Sicherheitslücken (CVEs) im Jahr 2026. Nach seinen Angaben veröffentlichten ausgewählte große Organisationen im Juni rund 1.500 CVEs mit hoher oder kritischer Schwere. Die Tabelle weist für diesen Monat 1.175 hoch und 371 kritisch eingestufte Fälle aus, zusammen 1.546. Das sei mehr als das 3,5-Fache des bisherigen monatlichen Höchststands vor der Ankündigung von Claude Mythos Preview.

Als zeitlichen Zusammenhang nennt der Bericht Anthropic’s Ankündigung im April 2026, das Modell könne Sicherheitslücken autonom entdecken und ausnutzen. Anthropic erklärte demnach auch, dass Partner des Projekts Glasswing – darunter Microsoft, Google, Apple und AWS – das Modell eingesetzt hätten, um Fehler vor einer öffentlichen Veröffentlichung zu finden und zu beheben. Laut Anthropic habe Glasswing seit Beginn mehr als 10.000 Lücken hoher oder kritischer Schwere gefunden; viele davon seien noch nicht einzeln bekanntgegeben worden. Der Bericht verweist außerdem auf OpenAIs Daybreak als ähnliche Initiative. Diese Angaben werden als Behauptungen der jeweiligen Unternehmen dargestellt.

Die im Bericht wiedergegebene Monatsreihe reicht von Januar 2022 bis Juni 2026. Sie zeigt für April und Mai 2026 bereits 699 beziehungsweise 1.048 hoch oder kritisch eingestufte CVEs, gefolgt vom Juni-Höchstwert. Erfasst werden Veröffentlichungen unter anderem von AWS, Apache, Apple, Cisco, Google, Linux, Microsoft, Mozilla, NVIDIA, Oracle, Red Hat und weiteren großen Technologieunternehmen und Projekten.

Der Bericht belegt damit einen zeitlichen Anstieg der erfassten Offenlegungen, weist aber keinen ursächlichen Zusammenhang zwischen Mythos und dem Anstieg nach. Als wesentliche Einschränkung nennt er, dass Organisationen sich bei Meldeverfahren, Schweregradkennzeichnung und Veröffentlichungsrhythmus deutlich unterscheiden. Außerdem fehlen bei vielen von Glasswing gefundenen Lücken laut der wiedergegebenen Unternehmensangabe noch individuelle Offenlegungen. Die Zahlen beziehen sich auf die im Bericht ausgewählten Organisationen und die Kategorien „hoch“ und „kritisch“.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Kurzfassungen decken Zahlen und Kontext korrekt ab; die Summe 1.546 ist aus den Tabellenwerten 371 und 1.175 abgeleitet und im Bericht selbst nur als 'around 1,500' genannt. Die Einordnung stützt sich nur auf den Bericht, der die gefragten KI-Governance- und Testthemen nicht behandelt.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Namen der erfassten Organisationen (u. a. AWS, Apple, Microsoft, Google) fehlen in der Kurzfassung

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Der Satz 'belegt keine Ursache' wird dem Bericht zugeschrieben, steht dort aber nicht; es ist eine eigene Einordnung Lunas

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M3 Wie stellt man fest, ob ein Vorfall gewollt oder versehentlich war, und ob KI oder herkömmliche Mittel dahinterstecken?
    • clef 100 %kein Bezug
    • Luna 66 %Hintergrund, keine Belege
    • JEV 38 %einzelne zitierbare Belege
    • amos 27 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht

    • SF-M3-T01 Wie trennt man in Echtzeit eine gezielte KI-gestützte Cyberoperation von einer versehentlichen KI-Eskalation oder von Modellverhalten, das nur wie ein Angriff aussieht, da sowohl Fehlalarme als auch übersehene Angriffe die Spannungen verschärfen können? Luna: Stufe 3 · 45 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
  2. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 28 %einzelne zitierbare Belege
    • amos 30 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht

    • SF-M4-T01 Welches gemeinsame Meldeformat und welcher geschützte Kanal ließen Labore Fehler nachstellen und Korrekturen prüfen, ohne private Daten oder gefährliche technische Details preiszugeben? Und könnte sich die Branche über Grenzen hinweg auf einen Standard für das Melden KI-gestützter Einbrüche und Datenabflüsse einigen, damit eine Eskalation gemessen und nicht nur behauptet wird? Luna: Stufe 3 · 27 % · Hintergrund, keine Belege
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 28 %Hintergrund, keine Belege
    • Luna 58 %Hintergrund, keine Belege
    • JEV 32 %Hintergrund, keine Belege
    • amos 53 %gleiches Oberthema, hilft nicht
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 28 %einzelne zitierbare Belege
    • d3-ultra 39 %gleiches Oberthema, hilft nicht

    • SF-F1-T01 Welche Belege zu Cyberfähigkeiten soll ein Labor vor der Freigabe eines Modells veröffentlichen (Methoden, Aufgabenfamilien, Fehlerraten, getestete Version, reproduzierbare Cyber-Tests in abgeschirmter Umgebung für unabhängige Prüfer), damit jedes Ministerium sie nachstellen kann, statt ihnen vertrauen zu müssen? Und führt es für dieselbe Modellversion abgestimmte Cyber-Tests durch, die sowohl den durch Schutzmaßnahmen verhinderten Missbrauch als auch die legitimen Abwehraufgaben messen, die dieselben Schutzmaßnahmen blockieren, und weist es beide Ergebnisse aus? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • SF-F1-T02 Veröffentlichen Labore abgestimmte Cyber-Tests, die zeigen, was jedes Modell mehr leistet als ein Mensch ohne KI-Hilfe? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
    • SF-F1-T04 Welcher gemeinsame, neutrale und offene Maßstab (Aufgaben, Erfolgsrate, abgeschirmte Testumgebung, Belege) zeigt, dass eine Cyber-Schwelle überschritten ist? Würden ein Ministerium und ein Labor in verschiedenen Staaten ihn annehmen, bevor das nächste Modell als Überschreitung eingestuft wird, damit Schwellen gemessen und nicht behauptet werden? Und dient derselbe Maßstab dann sowohl dazu, ein Modell einzustufen, als auch dazu, das Tempo seiner Entwicklung zu steuern? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
  2. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 34 %gleiches Oberthema, hilft nicht
    • JEV 33 %umfangreiche Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht
  3. SF-F5 Wie gehen Staaten gemeinsam gegen KI-gestützte Cyberangriffe vor und verhindern Eskalation zwischen autonomen Systemen, ohne die Verteidigung zu behindern?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 81 %Hintergrund, keine Belege
    • JEV 54 %gleiches Oberthema, hilft nicht
    • amos 29 %nur am Rande erwähnt
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 58 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 27 %Hintergrund, keine Belege
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 61 %gleiches Oberthema, hilft nicht
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 31 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 36 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %gleiches Oberthema, hilft nicht
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 75 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 34 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht

  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 55 %einzelne zitierbare Belege
    • JEV 38 %einzelne zitierbare Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 38 %gleiches Oberthema, hilft nicht
    • drex 25 %gleiches Oberthema, hilft nicht
    • d3-ultra 63 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 81 %Hintergrund, keine Belege
    • JEV 43 %einzelne zitierbare Belege
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 63 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 23 %Hintergrund, keine Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 49 %Hintergrund, keine Belege
    • JEV 39 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %gleiches Oberthema, hilft nicht

Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →