GPT-5.6-Sol在網絡攻防能力上，超越了Mythos！開源模型也排好了

新智元報道

GPT-5.6-Sol 的攻防能力超越了 Claude Mythos 5！

英國 AI 安全研究所（AISI）7 月 17 日發布了一份評估報告，第一次公開量化了開源 AI 模型與閉源前沿模型在網絡攻擊能力上的差距：4 到 7 個月。

https://www.aisi.gov.uk/blog/how-far-behind-the-frontier-are-leading-open-weight-models-on-cyber

去年同類內部測試中，這個差距是 6 到 10 個月。

防御窗口在收縮，而攻擊前沿在加速。

今年 4 月，Mythos Preview 和 GPT-5.5 在 AISI 的評估中制造了自 2023 年開始測試以來最大的一次網絡攻擊能力飛躍，多國政府隨即發出警告。

開源模型還沒有復現這次跳躍，但它們追趕的腳步比去年更快了。

4 到 7 個月：怎么測的，差在哪

AISI 用兩套體系評估模型的網絡攻擊能力。

第一套是 70 項窄任務，覆蓋漏洞研究、逆向工程、Web 滲透、密碼學四個方向，按難度分四級，從「有技術背景的非專業人士」到「十年以上經驗的專家」。

第二套是 Cyber Range，在模擬企業網絡中測試模型自主執行多步驟攻擊鏈的能力。其中一個名為「The Last Ones」的測試場景包含 32 個攻擊步驟、4 個子網、約 20 臺主機，AISI 估算人類專家完成全部步驟需要約 20 小時。

兩套體系給出了一致的結論：

GLM-5.2（2026 年 6 月發布）在窄任務上的表現與 Opus 4.6（2 月發布）相當，差距 4 個月；

在 Cyber Range 上追平 Opus 4.5（去年 11 月發布），差距 7 個月。

DeepSeek V4-Pro 在窄任務上對標 Opus 4.5，差距 5 個月。

兩個差距都比 2025 年內部評估中測到的 6 到 10 個月更窄。

成本差距比能力差距更大。

同一場 Cyber Range 測試（1 億 Token 額度），用 Opus 4.5 或 4.6 跑一次約 85 美元，用 GLM-5.2 約 46 美元，用 DeepSeek V4-Pro 只要 1.19 美元。

在兩個模型都能 100% 完成的窄任務上，Opus 4.6 每個任務花 15.17 美元，GLM-5.2 花 6.12 美元；

Opus 4.5 花 12.50 美元，DeepSeek V4-Pro 花 0.28 美元。

同等攻擊能力，開源便宜一到兩個數量級。

閉源模型的安全護欄也沒能拉開差距。

AISI 測試中，DeepSeek V4-Pro 偶爾拒絕逆向工程類任務，但靠少量重試也能繞過。

Anthropic 的 Fable 5 是一個更極端的案例：6 月 9 日發布，三天后安全研究者 Pliny the Liberator 用多步驟越獄策略突破了安全分類器，相關截圖顯示模型產出了本該被攔截的漏洞利用代碼。

Amazon 研究員隨后獨立報告了另一種繞過方法。

這直接觸發了美國商務部首個針對 AI 模型的出口管制令，Fable 5 全球停服 19 天，直到 Anthropic 部署新分類器才恢復上線。

閉源并不自動等于安全。

防御窗口收窄
防御工具也在加速

AISI 在報告中明確了政策信號：防御方的準備時間比去年更短。

英國國家網絡安全中心已經呼吁各機構加固網絡安全基線，并利用 AI 增強防御能力。

同一代 AI 工具確實也在加速防御端的工作。

游戲網絡編程領域的資深開發者 Glenn Fiedler，是哦哦游戲網絡編程領域寫了二十年教科書級文章的大佬，最近用 Claude Code 對自己維護的四個開源網絡庫（yojimbo、netcode、reliable、serialize，合計約 6000 個 GitHub Star，在游戲領域已屬相當有影響力的老牌開源大庫）做了系統性安全審計：部署 libFuzzer 目標、上線 AddressSanitizer 和 MemorySanitizer CI、執行數百萬次迭代的壓力測試、逐行代碼審查。

Glenn Fiedler

兩周內修復了 43 個安全漏洞，其中 27 個可從網絡遠程觸達。

最嚴重的是 yojimbo 中一個自 2019 年就存在的遠程堆溢出——惡意客戶端可以通過構造特定數據包觸發它。

整個審計的 Token 成本約 2500 美元。

攻防兩端都在被 AI 加速，但加速方式不對稱。

攻擊能力的擴散是不可逆的：開源模型權重一旦釋出，就無法收回，安全護欄可以被移除，副本可以在私有服務器上不受監控地運行。

而防御工具的部署需要每個團隊主動投入時間和成本。

AISI 報告中有一句話點明了這個結構：「一旦開源釋出，這些選項永久喪失。」

這組數據對 AGI 格局的影響比數字本身更深遠。

開源與閉源的能力差距收窄到半年以內，「用閉源獨占期充當安全緩沖」的默認策略快要失效了。

閉源模型的護欄在 Fable 5 事件中被證明同樣脆弱。

下一階段對于全球的決策者而言，政策博弈的核心問題已經變得更尖銳：什么能力級別以上的模型不應開放權重。

AISI 宣布將繼續評估 Kimi K3 等下一批開源模型——上面這條線畫在哪里，很可能取決于接下來幾個月的測試結果。

參考資料：

https://www.aisi.gov.uk/blog/how-far-behind-the-frontier-are-leading-open-weight-models-on-cyber

https://github.com/mas-bandwidth/patreon/blob/main/BUGS.md

https://www.patreon.com/MasBandwidth/posts/important-news-164199395

編輯：馬可