Contexte de la fuite présumée

Le fil Hacker News signale qu’un dépôt Hugging Face (burner22/numbat) aurait publié un modèle de la classe Mythos d’Anthropic. Le lien a été retiré pour « malware concerns », mais plusieurs commentaires confirment que le fichier proposé était un .safetensors d’environ 8 téraoctets. Aucun communiqué officiel d’Anthropic n’a confirmé la mise à disposition du modèle, ce qui alimente les doutes quant à l’authenticité du dépôt.

Caractéristiques techniques du modèle

Le poids annoncé occupe 8 TB, ce qui implique un nombre de paramètres de l’ordre de plusieurs dizaines de milliards, typique des architectures Mixture‑of‑Experts (MoE). Le dépôt contenait une implémentation de référence, mais aucune documentation d’inférence. Le journal d’entraînement fourni montre des métriques détaillées :

[2026-10-08T13:51:36Z step 1830001] loss=1.0550 lr=7.19012e-05 lr_phase=decay grad_norm=1.304 tokens/s=12.03M mfu=35.1% moe_balance_loss=0.0217 expert_gini=0.0231
[2026-10-08T14:37:21Z step 1830400] loss=1.0421 lr=7.16365e-05 lr_phase=decay grad_norm=1.266 tokens/s=11.25M mfu=32.9% moe_balance_loss=0.0218 expert_gini=0.0235

Ces lignes indiquent que le modèle était entraîné avec un taux d’apprentissage décroissant, une utilisation moyenne du GPU (MFU) autour de 33‑35 % et un équilibre MoE stable (expert_gini < 0.03). Le délai de ~7 secondes entre les deux étapes suggère que le processus d’entraînement était déjà en cours depuis plusieurs mois, ce qui correspond à la taille du modèle.

Risques de sécurité et vecteurs d’attaque

Plusieurs participants évoquent la possibilité de poids empoisonnés. L’étude X‑LSB (arXiv 2409.19310) décrit des attaques où des bits de poids sont modifiés pour déclencher un comportement malveillant lors de l’inférence. De plus, la vulnérabilité PyTorch CVE‑2026‑24747, bien que datant d’un an, pourrait être réactivée si le modèle charge des tensors corrompus. Le format .safetensors est conçu pour éviter l’exécution de code, mais il ne protège pas contre des dépassements de tampon dans les bibliothèques de décodage, ce qui justifie la crainte d’un « buffer overflow » évoquée dans les commentaires.

Sur le plan juridique, les poids sont considérés comme des données brutes ; la protection par secret commercial reste la seule défense possible, ce qui complique les actions en justice contre une diffusion non autorisée.

Analyse de la crédibilité et des limites

Des précédents, comme le faux « Claude 2.1 », montrent que des modèles renommés sont régulièrement présentés comme fuites pour attirer des curieux. Le fait que le dépôt ait été retiré pour des raisons de malware, sans preuve de code malveillant, renforce le doute. De plus, la taille de 8 TB rend le téléchargement et l’exécution pratiquement impossibles pour un utilisateur moyen, ce qui limite l’impact réel même si le modèle était authentique.

En l’absence de confirmation d’Anthropic et de vérifications indépendantes du fichier, l’incident reste une alerte sur la diffusion non contrôlée de poids d’IA, plus qu’une preuve d’une fuite réelle.