根据 Anthropic 的系统卡披露，Mythos 5 模型使通才型微生物学家在一项历时 16 小时的生物防御红队演练中表现优于专才，其中 3 个通才团队中的 2 个在科学质量与可行性方面超越了全部 3 个专家团队。专家估计，在没有 AI 协助的情况下，该任务通常需要 40 到 95 个工作日，平均为 72.5 天。
不过，Anthropic 指出，Mythos 5 仍然在自主研究能力方面受限。该模型在开放式灵感生成方面表现较弱，更倾向于对现有文献进行重组，而非提出全新的方法；即使在识别出缺陷之后，仍可能继续推进有问题的框架。CUSP 科学预测基准印证了这些结论：GPT-5.4 在机制识别任务上的准确率达到 81.9%，但在关于科学进展是否实际会成功的二元分类上仅为 45.3% 到 51.9%，接近随机猜测水平。
