当神话跌落神坛，只需一个简单的测试
Anthropic最近搞了个大动静。
4月7日，他们发布了代号为"Mythos"的新模型，还拉起了一个叫Project Glasswing的联盟。场面话讲得很漂亮：投入1亿美元使用额度，外加400万美元直接捐赠，专门用来挖掘开源软件的漏洞。
听起来是不是很有安全感？
他们在技术报告里也是这么吹的：Mythos自主发现了数千个零日漏洞，横扫所有主流操作系统和浏览器。甚至还有一个潜伏了27年的OpenBSD老Bug，和一个藏了16年的FFmpeg漏洞。更吓人的是，它还能自主构建高阶漏洞利用链，比如Linux内核提权、逃逸浏览器沙箱。
这哪里是AI，简直是赛博世界的"神探亨特"。
但有意思的是，有个叫AISLE的团队不信邪。 他们不仅不信，还做了一个极其简单粗暴的测试：把Mythos公布的那些"独家"漏洞代码抠出来，喂给几个便宜甚至开源的小模型跑一跑。
结果，场面一度非常尴尬。
旗舰漏洞，被"廉价货"一眼看穿
先说那个被Anthropic视为"皇冠明珠"的FreeBSD NFS远程代码执行漏洞（CVE-2026-4747）。
这是一个藏了17年的老Bug，攻击者无需认证就能拿到Root权限。Anthropic说这是Mythos"完全自主"发现并利用的。
AISLE的测试方法很直接：把漏洞函数隔离出来，不给任何工具，就是单纯的API调用。
测试结果让人大跌眼镜：8个模型全对。
不管是DeepSeek R1，还是那个只有36亿参数（3.6B active）、每百万Token只要0.11美元的GPT-OSS-20b，全都精准识别出了栈缓冲区溢出。
一个0.11美元/百万Token的便宜模型，做到了和昂贵的Mythos一样的核心分析。
这还没完。在漏洞利用的推理上，这些小模型的表现也堪称惊艳。它们不仅指出了没有栈保护机制、没有KASLR，甚至还给出了具体的ROP链构造建议。
DeepSeek R1直接说：304字节足够了，不需要搞什么花里胡哨的SSH Key写入，直接提权回用户态干活就行。
说实话，这思路比Mythos那套还要务实。
最难的考题，小模型拿了满分
如果你觉得FreeBSD那个漏洞太简单，那来看看OpenBSD的SACK漏洞。
这可是Mythos展示中最微妙的一个。它需要模型理解有符号整数溢出，理解宏在数值接近2^31时的翻转行为，还要推理出空指针解引用。这属于"高智商"题目。
结果，一个拥有51亿参数（5.1B active）的开源模型GPT-OSS-120b，拿了A+。
它不仅完整还原了漏洞链条，还给出了正确的修复建议，基本就是OpenBSD官方补丁的翻版。
反观那些体量大得多的模型，表现却让人摸不着头脑。Qwen3 32B在FreeBSD测试里拿了满分，到了这个测试却自信满满地说"代码是安全的"，直接挂科。
这就是AISLE提出的**"锯齿状前沿"（Jagged Frontier）**理论。
AI在安全领域的能力增长，根本不是一条平滑的曲线。它更像是一把锯齿：在这个任务上称王的大模型，换个任务可能连及格线都摸不到；而在这个任务上不起眼的小模型，换个赛道可能就是王者。
没有永远的赢家，只有不断洗牌的排行榜。
大模型的"翻车"现场
最有意思的测试，其实是一个最简单的OWASP题目。
这是一道关于SQL注入的"陷阱题"。代码看起来像是教科书级的注入漏洞，但因为中间一个List操作，用户输入实际上被丢弃了。
正确答案是：目前不可利用，但代码很脆弱。
AISLE测了25个模型，结果发现了**"反向缩放"（Inverse Scaling）**现象：越是大、越是贵的模型，越容易翻车。
Claude Sonnet 4.5自信地跟丢了列表索引；GPT-4.1全家桶几乎全军覆没；只有OpenAI的o3和几个小模型稳住了心态，给出了"安全但脆弱"的准确判断。
老实讲，这有点反直觉。我们总以为参数越多、智商越高。但在这种需要"细致"而非"广博"的任务上，大模型那种"想太多"的毛病反而成了累赘。
护城河里到底装的是什么？
所以，Mythos到底是不是神话？
个人觉得，AISLE的结论虽然有点打脸，但很客观。
Mythos确实证明了AI在安全领域的巨大潜力，尤其是在复杂的漏洞利用构造上（比如跨请求分片写入Payload），那确实需要某种"灵光一现"的创造力。
但在"发现"和"分析"这两个核心环节，护城河其实很浅。
当你把代码喂给模型的那一刻，大部分工作其实已经被"系统"完成了——无论是Mythos的脚手架，还是AISLE的流水线。模型本身，可能只是那个负责最后踹一脚的配角。
这就引出了一个很现实的经济学问题：
你是愿意花大价钱部署一个昂贵的"神探"，让他猜哪里有问题？还是愿意部署一千个便宜的小侦探，让他们把每一行代码都扫一遍？
AISLE的观点很明确：护城河是系统，不是模型。
真正值钱的，是如何在海量代码中精准定位，如何反复验证，如何让维护者信任你的补丁。这些能力，藏在系统的架构里，藏在工程师的经验里，而不是藏在模型的参数表里。
别被参数吓住，开始干活吧
Anthropic证明了这条路走得通，这当然是好事。
但如果谁告诉你，必须用他那款"限量版"的昂贵模型才能干这行，那你最好多留个心眼。
证据已经摆在桌上了：发现级的安全能力，现在已经是白菜价。那些便宜甚至开源的小模型，只要包装得当，完全能干出惊天动地的大事。
对于防御者来说，现在的策略应该很清晰了：别纠结模型大小，赶紧去搭建你的系统、你的流水线、你的信任机制。
模型已经准备好了，问题是你准备好了吗？
【锐评】：模型参数再大，也不如系统架构靠谱；神话再好听，也得看性价比。
参考链接：
https://aisle.com/blog/ai-cybersecurity-after-mythos-the-jagged-frontier