知己知彼:AI 一夜找出 948 个漏洞,为什么只卖给一部分人
知己知彼:AI 一夜找出 948 个漏洞,为什么只卖给一部分人
01 / 第一次,能力被“限量供应”
过去我们习惯的节奏是:新模型出来,谁都能试,谁都能骂,谁都能玩出花。
这个月变了。GPT-6 Cyber 走的是白名单;Anthropic 的 Fable 5.2 和 Mythos 5.2 底层是同一个模型,差别只有一处——安全防护的松紧和开放范围。Mythos 擅长深度网络安全研究,只对通过核验的机构开放。
这不是技术限制,是分层授权。能力本身被切成了“谁能用”的几档。
对普通开发者来说,这件事的直接影响不是“我用不上最强模型”,而是:你未来判断一个模型好不好,不能只看跑分,还得看它对你开放了哪一档。
更麻烦的是信息差。官方自己说,这个模型在不同测试上的表现并不均匀。也就是说,那些漂亮的数字是“公司自报”,你得自己掂量。
WHY NOW / 为什么现在写这个
从今年 11 月开始,“前沿能力”和“公开可得”这两件事正式分家。你看到的榜单,测的是“公开那一档”。真正在做攻击面收敛的团队,用的是另一档。这个落差会长期存在,越早明白,越不会被跑分牵着走。
02 / 孙子说的“知”,是双向的
《孙子·谋攻》里那句人人会背的话,其实有三层:
“知彼知己,百战不殆;不知彼而知己,一胜一负;不知彼不知己,每战必殆。”
大家记住的往往是“知彼知己”,忽略了它是个乘法结构:两边都要知道,缺一边,胜率就对折。
放到今天的 AI 安全上,“知彼”是知道攻击者手里有什么,“知己”是知道自己的系统里有什么。
而这一年最大的变化是:“知彼”的成本被 AI 打到了地板上。 一个能力中等的团队,配上这样一个模型,一晚上能扫出的问题,过去要一个小队跑一个月。
“知己”的成本没变,甚至还涨了——因为你的系统也越来越复杂。
攻防从来不是比谁更强,是比谁补得快。漏洞被发现的速度已经变了,修补的速度没变,这中间的差,就是风险。
03 / 948 这个数字,真正吓人的地方
948 个漏洞,听起来很多。但 Linux 这种体量的代码库,藏着一千个问题不奇怪。
吓人的是后面三个字:“可工作利用”。找到问题,和写出能真正打进去的利用代码,中间隔着一大截。这一段最费人,也最需要经验。现在这一段被自动化了。
再加上那 81 个“此前未知”的 Firefox 高危问题——未知意味着,防守方连补丁都还没有。
把这两件事放在一起看,结论很清楚:攻击链上最贵的那一段,正在变便宜。
这不代表明天就天下大乱。它代表的是,过去那种“我们系统小,不会被盯上”的侥幸,正式失效了。
▲ 山水长卷(AI 配图)
04 / 普通人能做的三件“知己”事
你拿不到那一档模型,但你完全可以用公开的这一档,把自己这边摸清楚。三件事,按顺序做。
① 先跑“已知”,再谈“未知”:把 OWASP 那类清单、你所用框架的历史 CVE,交给 AI 逐条对照你的代码。目标是“已知问题清零”,不是“发现新奇漏洞”。这一步做完,风险能降一大半。
② 让 AI 当审计员,不当黑客:明确告诉它“只读、不改、不执行、不发起外部请求”,只输出“位置 + 原因 + 修复建议”。给它仓库的只读权限,别给部署权限。
③ 把“补丁时差”当指标:记录每个高危问题从“知道”到“修完”用了多少小时。这个数字比任何安全评分都真实。
还有一条不能省的:别拿它去测你没权限测的系统。 白名单收紧这件事本身就是信号——平台在划责任线,你也得划。
05 / 最强的能力,往往最后才轮到你
我们这代人对技术有一种天真的期待:最好的东西,早晚会普及。
安全领域大概是个例外。最强的攻防能力,会长期停在小圈子里,因为它的破坏力和它的价值一样大。
所以别把注意力全放在“哪天能用上最强模型”。更实际的问题是:在它普及之前,你这边能不能先补起来。
孙子那句话说到底是这个意思:胜负不在你有多强,在你比别人多知道多少,以及知道了之后动得多快。
能力会被分级,风险不会。它一视同仁地落在每一个没补的地方。
最后想问问你:
你手上那个系统,上一次做安全体检是什么时候?
ONE MORE THING · 关于知彼
补得快的,才活得久
长按识别二维码,关注「江楠AI」
https://jiangtian.top
江楠AI
向内看,向前走。
文中配图为 AI 生成,仅作意境示意。文中数据与仓库信息截至 2026 年 11 月 10 日。
事实来源:OpenAI 2026-11-05 发布 GPT-6 Cyber(限 Daybreak Red 客户);界面新闻 2026-11-10 报道 Fable 5.2 / Mythos 5.2 分层开放。经典出处:《孙子兵法·谋攻》。
AI 实战导师 / 企业 AI 落地顾问 / 智能体工程师,17 年跨界、15,000+ 小时 AI 实操、20+ 套已交付工作流。 看完整履历海报 → skills 实验室 →
发表评论: