AI规模化漏洞挖掘，安全行业真正的挑战变成修复速度

Anthropic 披露 Claude Mythos Preview 的能力后，比起“AI 又变强了”这个结论，我更在意的是：安全行业最大的难点可能要变了。

过去的许多高危漏洞能隐藏多年，其根本原因往往不在于系统有多么固若金汤，而在于真正具备能力将这些漏洞从浩如烟海的代码中翻找出来，并精准判断其可利用性的人，实在是太稀缺了。这曾是一门门槛极高的手艺活。

现在，AI 正在将这项能力推向规模化生产。Anthropic 展示的几个案例极具说服力：27年前的OpenBSD漏洞、16年前传统fuzzing工具跑了500万次测试都没能发现的FFmpeg漏洞，甚至包括复杂的Linux内核提权链。

这些案例真正令人警醒的地方，并非单纯是AI模型的评分更高了，而在于“漏洞挖掘”本身正从一个极度稀缺的技能，转变为一种可高频、大规模执行的能力。一旦问题被发现的速度被指数级提升，真正卡住一个组织的，就不再仅仅是“能不能看见问题”，而是“能不能快速修完问题”。

漏洞确认、风险分级、补丁开发、回归测试、发布部署、全网升级——这一整条处置链条上的每一个环节，都将承受前所未有的压力。说到底，未来衡量组织安全能力的关键差异，可能不在于谁最先发现了漏洞，而在于谁能最先、最稳健地完成漏洞的闭环处理。

AI 加速的不只是攻击者的“矛”，它更是在倒逼每一个组织重新审视并重构自己的“盾”——即整个漏洞修复流程。组织的响应与修复能力，将成为新的安全护城河。

（对了，虽然Claude Mythos这个新模型我们可能用不上了，但GLM-5.1已经开源了，有兴趣的朋友可以抓紧测试，将其集成到自己的开发流程中。）