网易首页 > 网易号 > 正文 申请入驻

GPT-5.5彻底击穿300个黑客评测任务,仅需5000万Token!

0
分享至


新智元报道


【新智元导读】GPT-5.5 把进攻性网络安全最难的 7 个基准全部打穿,92.4% 正确率,评估体系直接失灵。AI 黑客能力每 6 个月翻一倍,而衡量它有多危险的尺子,已经先被干碎了。

316 道进攻性网络安全任务,GPT-5.5 解出了 292 道,正确率高达 92.4%!

5 月 27 日,澳大利亚研究机构 Lyptus Research 发布报告——GPT-5.5 让他们的整套评估体系饱和了。


https://x.com/LyptusResearch/status/2059428814103642340

7 个基准,涵盖漏洞利用、CTF 夺旗、真实 CVE 复现,每道题都有人类安全专家的完成时间作为基线。

GPT-5.5 展现出了顶级黑客团队的能力。

剩下那 24 道没解的题,已经不够画出一条有统计意义的能力曲线。

研究团队的判断是,这套评估方法对这类任务「不再适用」。

他们 2025 年 12 月开始搭这套测试的时候,选的是全球能找到的最难的题。

到 2026 年 3 月第一版报告,数据就出现了饱和苗头。

到 5 月,饱和变成了事实。

六个月,从「最难」到「不够用」。

进步曲线在狂飙

这条能力曲线的斜率才是真正吓人的地方。


Lyptus 从 2024 年开始追踪,拟合出来的结论,AI 进攻性网络安全能力每 5 到 6 个月翻一倍。

2026 年初 Claude Opus 4.6 时间地平线 3.2 小时,GPT-5.3 Codex 3.1 小时,两个月后 GPT-5.5 直接拉到 5.1 小时。

给够算力,冲过 12 小时测量上限,图表甚至画不下。


更狠的是 Token 预算这个变量。

GPT-5.5 在最难的基准 CyberGym 上,200 万 Token 预算下正确率 54.4%,推到 5000 万 Token,86.4%。


同一个模型,涨了 32 个百分点。


英国人工智能安全研究所(AIUK AI Safety Institute)的研究也证实了这一点,给到 1 亿 token,能力还在涨,没有平台期。

所有公开的基准测试成绩,都是在有限预算下跑出来的。真实能力天花板,远比账面数字高。

强大模型在受控

头部实验室已经被迫站队了。

Anthropic 在 4 月发布 Claude Mythos Preview,直接决定不公开,理由是网络安全能力过强,配套推出 Project Glasswing,把 Mythos 部署给关键基础设施的防御方。


OpenAI 给 GPT-5.5 网络安全能力评级「High」,仅比最高级「Critical」低一档,攻击相关能力全部通过「Trusted Access for Cyber」门控。

METR 对 Mythos 的独立评估撞上了同样的墙,拟合出的时间地平线至少 16 小时,但他们对这个数字不敢给点估计,只说「应保持谨慎」。

控制谁能用,是目前唯一的策略。

但窗口在缩小。

Lyptus 测量了一个叫「适应缓冲期」的指标,闭源前沿能力传导到开源模型的时间差。

进攻性网络安全领域,这个差距大约 5.7 到 13.1 个月。

按这个速度,Mythos 和 GPT-5.5 级别的攻击能力,年内就可能以开源形式落到任何人手里。

尺子被干碎了

回到最核心的问题。

这件事里最让人不安的部分,在于没人能准确说出现在大模型的上限到底有多强。

时间地平线方法论的逻辑很简单,用比模型能力更难的任务来锚定曲线的拐点。

当模型把所有任务都做完了,拐点消失,曲线无法拟合。

评估体系不是被证伪了,是被能力增长甩在了后面。


要造更难的测试,需要更多时间和人力。

模型能力每半年翻一倍,测试开发周期远长于此。

更关键的是英国人工智能安全研究所的发现,只要攻击方愿意多烧算力,就算有更难的题,照样做穿。

评估追不上能力。

这个结构性困境放到更大的框架下看,信号已经相当明确。

一个高度专业化的领域里,人类为 AI 能力设定的标尺已经被干碎了。


网络安全恰好是最容易量化的领域之一,有明确的成功判据,漏洞找到或没找到,系统攻破或没攻破。

连这种硬指标领域的评估都跟不上了,那些更模糊、更难量化的能力维度呢?

每 6 个月翻一倍的增速如果维持,一年后的能力是今天的 4 倍,两年后 16 倍。

通往 AGI 乃至 ASI 的路上,被干碎的不会只有这一把尺子。

看不到边界,比边界本身更危险。

参考资料:

https://lyptusresearch.org/research/gpt-5-5-saturates-offensive-cyber-time-horizons

https://x.com/LyptusResearch/status/2059428814103642340

编辑:马可


特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
何穗晒娃母性十足,1岁儿子已经会走,穿平价冬装像只小熊真可爱

何穗晒娃母性十足,1岁儿子已经会走,穿平价冬装像只小熊真可爱

东方不败然多多
2026-11-20 08:13:55
如果不是日媒披露:谁都不敢相信,如今的中国竟然强大到如此地步

如果不是日媒披露:谁都不敢相信,如今的中国竟然强大到如此地步

麓谷隐士
2026-10-29 00:05:04
96比8票压倒性通过,蒙古总统被摘掉乌纱帽后,他明显很不服气

96比8票压倒性通过,蒙古总统被摘掉乌纱帽后,他明显很不服气

影孖看世界
2026-11-20 22:18:34
降价18.78万,奥迪 “头等舱” 新车:继续开售 !

降价18.78万,奥迪 “头等舱” 新车:继续开售 !

沙雕小琳琳
2026-11-21 08:33:12
北京国安0-2上海海港,赛后评分:不是武磊第1,上海海港10号第1

北京国安0-2上海海港,赛后评分:不是武磊第1,上海海港10号第1

侧身凌空斩
2026-11-20 21:31:56
高考再次证实张桂梅:教育最大的骗局,就是盲目推崇“释放天性”

高考再次证实张桂梅:教育最大的骗局,就是盲目推崇“释放天性”

青梅侃史啊
2026-11-21 09:40:20
10投7中是三分球、只投3个两分,哈登为何几乎不打进三分线内?

10投7中是三分球、只投3个两分,哈登为何几乎不打进三分线内?

琴音似君语
2026-11-20 08:25:04
一篇内参让领导人反思,中央由此取消副总理级专机,她究竟写了什么

一篇内参让领导人反思,中央由此取消副总理级专机,她究竟写了什么

瑾瑜聊情感
2025-08-23 09:43:36
梦见与异性发生关系,医生告诫:大都因为这4种原因,别傻傻不懂

梦见与异性发生关系,医生告诫:大都因为这4种原因,别傻傻不懂

网络易不易
2026-10-27 10:46:28
BLG内部坚决不要ELK,viper回LCK概率无限接近100%

BLG内部坚决不要ELK,viper回LCK概率无限接近100%

记录生活日常阿蜴
2026-11-21 06:23:17
感谢利拉德!感谢太阳队!开拓者“白捡”顶级3D,他真比杨瀚森强多了

感谢利拉德!感谢太阳队!开拓者“白捡”顶级3D,他真比杨瀚森强多了

麦子的篮球故事
2026-11-21 01:55:03
天赋碾压佩德罗!切尔西挖出未来超巨!有望获得金球奖

天赋碾压佩德罗!切尔西挖出未来超巨!有望获得金球奖

澜归序
2026-11-21 10:45:55
南京一全季酒店顶楼突然塌陷 房客一觉醒来透过缝隙看到了天空

南京一全季酒店顶楼突然塌陷 房客一觉醒来透过缝隙看到了天空

信网
2026-11-20 19:26:08
俄专家:深圳会场花艺布置成“软外交”载体

俄专家:深圳会场花艺布置成“软外交”载体

参考消息
2026-11-20 10:12:12
国家出手了!2027年起,看病、买药、住院,可能迎来这些新变化

国家出手了!2027年起,看病、买药、住院,可能迎来这些新变化

云景侃记
2026-11-20 09:48:24
宁德时代和比亚迪,谁掌握的电池技术更强?内行人:没有可比性

宁德时代和比亚迪,谁掌握的电池技术更强?内行人:没有可比性

娱乐圈的笔娱君
2026-11-21 06:01:29
研究发现:爱吃鸡蛋的人,帕金森、老年痴呆发病率,比同龄人低?

研究发现:爱吃鸡蛋的人,帕金森、老年痴呆发病率,比同龄人低?

路医生健康科普
2026-10-22 20:45:03
哪个行业悄悄好起来了?就是硬捂着,不让别人知道的那种?

哪个行业悄悄好起来了?就是硬捂着,不让别人知道的那种?

夜深爱杂谈
2026-10-25 19:31:49
英国如今恐怕急得夜不能寐:中方在联合国公开带头追索107万亿美元,仅英国就背负着24万亿殖民掠夺旧账,面对这笔账,西方集体选择了沉默

英国如今恐怕急得夜不能寐:中方在联合国公开带头追索107万亿美元,仅英国就背负着24万亿殖民掠夺旧账,面对这笔账,西方集体选择了沉默

人生录
2026-10-25 00:10:08
比《持械入宋》还上头?这部短剧“岳武”做主角,不谈恋爱,一心搞事业

比《持械入宋》还上头?这部短剧“岳武”做主角,不谈恋爱,一心搞事业

姜糖先生
2026-11-20 18:48:24
2026-11-21 11:35:00
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
16730文章数 67241关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

历时14小时特朗普返回美国 刚下飞机就发布"重大预告"

头条要闻

历时14小时特朗普返回美国 刚下飞机就发布"重大预告"

体育要闻

脚步未停!西班牙摩托车手赤脚徒步入境中国

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

数码
时尚
艺术
本地
手机

数码要闻

苹果公布2026古典乐年度专辑:任奫灿《哥德堡变奏曲》获奖

秋天衣服别总穿纯色,试试这几件条纹单品,简单时尚又减龄

艺术要闻

投资55亿!深圳歌剧院施工现场更新,主音乐厅马蹄形已现!

本地新闻

乌兰察布:以前种土豆,现在种Token

手机要闻

2026年最后一款超模旗舰!小米18标准版屏幕、性能、影像全面领跑

无障碍浏览 进入关怀版