北京
Anthropic 把自家 AI 模型 Claude Mythos Preview 丢进 281 个开源项目里做漏洞扫描，结果一口气挖出 23,019 个候选漏洞。听起来是件大好事？问题来了——这 2.3 万条线索里，只有 1,900 条被外部安全公司审核过，剩下 21,119 条至今没人碰过。
换句话说，AI 的发现能力已经跑到了人类审核能力的前面，而且甩开了一大截。Anthropic 自己都承认，因为内部团队和合作伙伴审核人手不够，已经暂停向开源维护者发送更多漏洞报告了。
91% 的漏洞线索无人复核
先看这组数字：23,019 个候选漏洞，外部安全公司只审核了其中 1,900 个，占比不到 9%。也就是说，超过 91% 的漏洞线索处于"零复核"状态。
已审核的那部分样本里，90.8% 被确认为真实漏洞。但这里有个坑——Echo 调查指出，送审的样本可能并非随机抽取，这个 90.8% 的确认率未必能代表全量候选漏洞的真实准确率。样本有选择偏差，整体质量到底如何，目前没人说得清。
严重性评级：8 个 Critical 只有 1 个成立
更扎心的是严重性评级。在 88 份安全公告中，Claude Mythos Preview 评出了 8 个 Critical（严重）级别漏洞，但独立 CVSS 评分下来，只有 1 个真正够格。
14 个漏洞里有 13 个被高估。模型为什么会犯这种错？因为它看不到利用的前提条件——比如是否需要特权凭据、是否依赖集群 root JWT 这类上下文信息。仅凭源代码判断影响范围，AI 很容易把"理论上能打"当成"实际能打"。
严重性取决于部署假设、权限边界和攻击前置条件，而这些很难仅凭源代码判断。这句话基本概括了 AI 评级的核心短板。
利用能力跃升 90 倍，但测试条件有水分
在漏洞利用基准测试里，Claude Mythos Preview 对 Firefox SpiderMonkey 引擎的 50 个已知漏洞，成功转化率达到 72.4%——181 次试验中，把一个已知崩溃转化为可用的任意代码执行漏洞。对比之下，Claude Opus 4.6 只成功了 2 次，成功率不到 1%。算下来，利用能力提升了大约 90 倍。
但这个数字得打个折扣看。测试框架剥离了浏览器沙箱和纵深防御保护，等于让模型在"裸奔"环境下做攻击。而且这套测试是 Anthropic 自己设计、自己执行的，还没有经过独立复现验证。真实环境里能不能达到这个水平，要打个问号。
检测能力超过修复能力，已成行业共识
Echo 的调查数据挺能说明问题：37% 的美国高级安全负责人把"检测到的漏洞数量超过修复能力"列为改善软件供应链安全的最大障碍。这不是个别公司的困境，是整个行业的结构性矛盾。
AI 扫描工具越强，挖出来的漏洞越多，积压的待审核清单就越长。Anthropic 现在面临的局面就是活生生的例子——工具跑得太快，人跟不上，最后只能暂停发送新报告。
漏洞发现能力上去了，审核和修复的瓶颈反而被放大了。下一步要解决的，可能不是怎么挖出更多漏洞，而是怎么让审核速度追上 AI 的发现速度。
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.
