网络攻防：GPT-5.6-Sol 超越了Mythos

GPT-5.6-Sol 的攻防能力超越了 Claude Mythos 5！

英国 AI 安全研究所（AISI）7 月 17 日发布了一份评估报告，第一次公开量化了开源 AI 模型与闭源前沿模型在网络攻击能力上的差距：4 到 7 个月。

https://www.aisi.gov.uk/blog/how-far-behind-the-frontier-are-leading-open-weight-models-on-cyber

去年同类内部测试中，这个差距是 6 到 10 个月。

防御窗口在收缩，而攻击前沿在加速。

今年 4 月，Mythos Preview 和 GPT-5.5 在 AISI 的评估中制造了自 2023 年开始测试以来最大的一次网络攻击能力飞跃，多国政府随即发出警告。

开源模型还没有复现这次跳跃，但它们追赶的脚步比去年更快了。

4 到 7 个月：怎么测的，差在哪

AISI 用两套体系评估模型的网络攻击能力。

第一套是 70 项窄任务，覆盖漏洞研究、逆向工程、Web 渗透、密码学四个方向，按难度分四级，从“有技术背景的非专业人士”到“十年以上经验的专家”。

第二套是 Cyber Range，在模拟企业网络中测试模型自主执行多步骤攻击链的能力。其中一个名为“The Last Ones”的测试场景包含 32 个攻击步骤、4 个子网、约 20 台主机，AISI 估算人类专家完成全部步骤需要约 20 小时。

两套体系给出了一致的结论：

GLM-5.2（2026 年 6 月发布）在窄任务上的表现与 Opus 4.6（2 月发布）相当，差距 4 个月；

在 Cyber Range 上追平 Opus 4.5（去年 11 月发布），差距 7 个月。

DeepSeek V4-Pro 在窄任务上对标 Opus 4.5，差距 5 个月。

两个差距都比 2025 年内部评估中测到的 6 到 10 个月更窄。

成本差距比能力差距更大。

同一场 Cyber Range 测试（1 亿 Token 额度），用 Opus 4.5 或 4.6 跑一次约 85 美元，用 GLM-5.2 约 46 美元，用 DeepSeek V4-Pro 只要 1.19 美元。

在两个模型都能 100% 完成的窄任务上，Opus 4.6 每个任务花 15.17 美元，GLM-5.2 花 6.12 美元；

Opus 4.5 花 12.50 美元，DeepSeek V4-Pro 花 0.28 美元。

同等攻击能力，开源便宜一到两个数量级。

闭源模型的安全护栏也没能拉开差距。

AISI 测试中，DeepSeek V4-Pro 偶尔拒绝逆向工程类任务，但靠少量重试也能绕过。

Anthropic 的 Fable 5 是一个更极端的案例：6 月 9 日发布，三天后安全研究者 Pliny the Liberator 用多步骤越狱策略突破了安全分类器，相关截图显示模型产出了本该被拦截的漏洞利用代码。

Amazon 研究员随后独立报告了另一种绕过方法。

这直接触发了美国商务部首个针对 AI 模型的出口管制令，Fable 5 全球停服 19 天，直到 Anthropic 部署新分类器才恢复上线。

闭源并不自动等于安全。

防御窗口收窄

防御工具也在加速

AISI 在报告中明确了政策信号：防御方的准备时间比去年更短。

英国国家网络安全中心已经呼吁各机构加固网络安全基线，并利用 AI 增强防御能力。

同一代 AI 工具确实也在加速防御端的工作。

游戏网络编程领域的资深开发者 Glenn Fiedler，是哦哦游戏网络编程领域写了二十年教科书级文章的大佬，最近用 Claude Code 对自己维护的四个开源网络库（yojimbo、netcode、reliable、serialize，合计约 6000 个 GitHub Star，在游戏领域已属相当有影响力的老牌开源大库）做了系统性安全审计：部署 libFuzzer 目标、上线 AddressSanitizer 和 MemorySanitizer CI、执行数百万次迭代的压力测试、逐行代码审查。

Glenn Fiedler

两周内修复了 43 个安全漏洞，其中 27 个可从网络远程触达。

最严重的是 yojimbo 中一个自 2019 年就存在的远程堆溢出——恶意客户端可以通过构造特定数据包触发它。

整个审计的 Token 成本约 2500 美元。

攻防两端都在被 AI 加速，但加速方式不对称。

攻击能力的扩散是不可逆的：开源模型权重一旦释出，就无法收回，安全护栏可以被移除，副本可以在私有服务器上不受监控地运行。

而防御工具的部署需要每个团队主动投入时间和成本。

AISI 报告中有一句话点明了这个结构：“一旦开源释出，这些选项永久丧失。”

这组数据对 AGI 格局的影响比数字本身更深远。

开源与闭源的能力差距收窄到半年以内，“用闭源独占期充当安全缓冲”的默认策略快要失效了。

闭源模型的护栏在 Fable 5 事件中被证明同样脆弱。

下一阶段对于全球的决策者而言，政策博弈的核心问题已经变得更尖锐：什么能力级别以上的模型不应开放权重。

AISI 宣布将继续评估 Kimi K3 等下一批开源模型——上面这条线画在哪里，很可能取决于接下来几个月的测试结果。