GLM 与 DeepSeek 在漏洞发现能力上正逼近前沿模型

这篇内容为安全团队开展监测、验证和修复提供最新背景。

Tenzai 对 GLM-5.2、GPT-5.5 和 Opus-4.8 在真实漏洞利用任务上做基准测试：GLM-5.2 以每条线索 $1.13 的成本利用 67% 的预埋漏洞，是性价比最高的配置；GPT-5.5 与 Opus-4.8 召回率更高，但仅在价格 2-3 倍的高推理档成立。

该发布披露了面向长程 AI 代码审计的具体训练与评测方案，包括仓库级上下文、可执行验证，以及抑制推测性误报的训练约束。

对 GPT-5.6 Sol Medium、Sol Ultra 与 Grok 4.5 在漏洞利用开发能力上的基准测试：消耗 20.96 亿 token 后，仅 Sol Ultra 完成了完整的 Chrome 漏洞利用链。

对 Hacktron 扫描管线的基准测试显示：对大多数应用而言，用较小的模型反复运行即可超越单次前沿模型调用——成本与收益的新平衡。

Bishop Fox 面向 CISO 解读 Anthropic Claude Mythos Preview：该模型因发现数千个未知漏洞并串联利用链而限制发布（仅约 50 家机构经 Project Glasswing 使用）；安全项目需转向持续化 AI 增强测试与修复。