古剑奇谭
GPT-5.6-Sol在网络攻防能力上，超越了Mythos！开源模型也排好了_我的网站
一 |
[ 行业] 本周行业事件较多，新势力方面，蔚来1季报：现金水平大幅下滑，留给蔚来的时间不到1年。
二 | 不过Q2销量指引不错，边际改善的确定性非常强，但也仅限Q2。 新智元报道
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。尊界S800让华为回到舒适的高端市场，不过尊界未来有非常大的可能会在品牌立住后，价格下探,未来
当门面使用，尚界会挑起销量基本盘的大梁。
三 |
传闻较久的东风和长安合并落空，内部阻力大，国资委把它们留给市场。国资委提出合并时机恰当，但阻力大。
四 |
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。中汽协和工信部接连反对无序“价格战”，我们从美国历史3次价格战反观中国当下价格战。
商务部关注“零公里二手车” 产能过剩是根本原因。魏建军点名批评“零公里二手车”怪象，扰乱市场秩序。
防御窗口在收缩，而攻击前沿在加速。2025年6月3日美股盘前，蔚来汽车发布2025年一季度财报，披露上述数据。
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。北京时间6月3日晚，蔚来公布2025年第一季度财报。公司一季度交付42094台，同比增长超40%；一季度营收超120亿元，同比增长超21%；一季度整车毛利率10%；二季度交付指引7.2万台至7.5万台，同比增长25.5%至30.7%，二季度交付预计环比大增71%—78%。汽车销量：未完成一季度目标一季度，蔚来汽车交付4.2万辆，同比增加40.1%、环比42.1%；同期，汽车销售额同比增长18.6%、环比减少43.1%。蔚来汽车为2025年设立的销量目标是44万辆，一季度仅完成不到1/10。汽车收入：再次低于市场预期单车收入本季度23.6万，环比下滑0.4万元，又来到了历史新低，且低于市场预期的24.1万，但蔚来一季度由于对老款库存车折扣加大+L60占比环比提升的车型结构的负面拖累，可以理解。
五 |
本季度在手现金大幅下滑，速度之快令人惊讶本季度蔚来在手现金仅260亿，环比上季度下滑了有159亿元，这种下滑幅度如此之快超出市场预期。
六 |
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。
短评：在没有新一轮融资的支持下，蔚来在手现金已经不够支持公司运营一年。
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」。虽然二季度是有边际改善的确定期，但过了2季度，蔚来销量维稳又面临新一轮问题，尤其在5566改款力度很小，蔚来的毛利率能支撑降价空间有限，而乐道L90+L80显然也不是走量车型，但蔚来已经没有再试错的机会。
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。一旦蔚来销量在三季度又开始呈现继续下滑趋势，乐道L系列再失败，如果没有外部输血，股东自发融资等手段，卖车力度不足以自救的话，资金流有断裂的风险。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。
七 |
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。
八 |
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。
九 |
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。
十 |
游戏网络编程领域的资深开发者 Glenn Fiedler，是在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。
十一 |
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。
十二 |
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。
十三 |
闭源模型的护栏在 Fable 5 事件中被证明同样脆弱。
十四 |
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。
参考资料：
https://www.aisi.gov.uk/blog/how-far-behind-the-frontier-are-leading-open-weight-models-on-cyber
https://github.com/mas-bandwidth/patreon/blob/main/BUGS.md
https://www.patreon.com/MasBandwidth/posts/important-news-164199395
编辑：马可。
十五 |
Current article:http://6xd.choumaimuwogenkuzhainuan.bond/mk98k/20260826/51730.html
Published on:13:23:02
