来源:程浅,量子位。
原文来源:VulnCheck《Anthropic Glasswing November Update》。
本文经 AI 新媒体量子位授权转载。
最近,AI 找 Bug 这件事显得有些割裂。
一方面,AI 一次性倒查大量代码,先发现了一个 PHP 底层重大安全漏洞,随后又扒出了 948 个 Linux 内核漏洞。
另一方面,开源社区几乎快被报告压垮了:漏洞找出来了,谁来修?

网络安全公司 VulnCheck 发布的一份报告,聚焦 Anthropic 的“玻璃翼计划”(Project Glasswing)。
数据显示,在玻璃翼计划启动七个月后,Claude 已累计发现 37,966 条候选漏洞,但公开记录中只有 217 条被标记为已修复。
VulnCheck 因此提出疑问:那个被寄予厚望的网络安全“Mythos 时代”,真的已经到来了吗?

3.8 万个候选漏洞,究竟修好了多少?
先回顾一下 Anthropic 在今年 4 月推出的“玻璃翼计划”。
该计划希望利用 Claude 大规模挖掘关键软件和开源项目中的安全漏洞,并联合科技企业、开源维护者推动修复,在漏洞被攻击者利用之前消除安全隐患。
这个名字有两层寓意。
一方面,安全漏洞就像玻璃翼蝶一样,可能藏在人们眼皮底下,数十年无人发现。另一方面,透明也代表一种保护:Anthropic 希望通过更透明的安全研究和漏洞披露机制,让软件系统获得更好的防护。

计划启动之初,Anthropic 宣布将提供 1 亿美元的模型使用额度,以及 400 万美元的开源安全捐款。同时,Anthropic 还表示,其网络安全模型 Claude Mythos Preview 已经发现了数千个高危和严重漏洞。随后,苹果、谷歌、微软、AWS、英伟达等公司也纷纷加入。
但实际进展如何?
根据 VulnCheck 持续追踪的数据,截至 11 月初,Anthropic 的候选发现已经达到 37,966 条,而漏洞披露台账中标记为“已修复”的只有 217 条。
与此同时,作废数据也在增加:漏洞撤回项为 419 条,重复项达到 1,654 条。

这种差距还在扩大。
仅最近两个月,候选漏洞就增加了近 1.2 万条,但已修复记录只增加了 15 条。
此外,VulnCheck 追踪到的 442 个归因于 Anthropic 的 CVE,仅占 2026 年全球公开 CVE 总量的 0.5%。

Anthropic 官方披露的数据口径有所不同。截至 11 月 2 日,37,966 项候选发现中,有 6,376 条经过外部安全专家审核,其中 6,009 项被确认有效;已有 5,087 项发现报告给软件维护者,629 项获得了上游补丁。

虽然双方统计口径不同,修复数量也存在差异,但有一个问题是一致的:
AI 挖漏洞的速度,已经超过了人工审核和修复的承载能力。
Anthropic 也早已意识到这一点。官方承认,人工验证能力严重不足,已经成为限制漏洞审核与披露效率的主要瓶颈。
因此,Anthropic 在 10 月 8 日推出了 OSS Scanner 服务。
开源项目维护者可以主动报名,让 Claude 免费扫描自己的代码。这样一来,模型生成的漏洞报告可以直接发送给维护者,不必等待 Anthropic 组织人工审核。
开源维护者修不过来
AI 正在逼我们立即还清拖欠了几十年的技术债。
这些数据背后,最辛苦的是开源项目维护者。VulnCheck 以网络数据传输工具 curl 为例说明了这一问题。
11 月初,curl 维护者 Daniel Stenberg 又收到了一份来自 Anthropic 的“大礼包”:45 份漏洞报告。
而在此之前,Daniel 已经在博客中写道,核心维护者正被持续涌入的报告压得喘不过气。
我们的目标是别被淹死。
> We aim to not drown.

为了应对大量报告,Daniel 宣布调整 curl 的安全漏洞处理规则:低危和中危漏洞改为在 GitHub 上公开讨论,让更多社区开发者参与审核。
目前,curl 已公开的 34 份报告中,有 19 份被判定为不构成安全漏洞,另有 6 份确认属于低危漏洞。
VulnCheck 的报告也提出了尖锐质疑:此前这些报告不是都被描述为严重漏洞吗?为什么现在看起来,玻璃翼除了增加审核工作量,似乎没有带来太多实际收益?
不过,Anthropic 确实曾经帮助 curl 找到过一个严重漏洞。
今年 9 月,Anthropic 借助 Claude 发现了 curl 的一个 Use-After-Free 内存错误。在满足特定条件时,恶意服务器可能利用该问题实现远程代码执行。
Daniel 认为,这是 curl 多年来最严重的漏洞之一。
因此,VulnCheck 的报告也存在一定的利益关联。它所批评的玻璃翼问题,恰好与 VulnCheck 自身提供的漏洞情报和优先级管理服务高度相关。
AI 能不能直接修复漏洞?
聊到这里,很多人可能会问:既然 Claude 能发现问题,为什么不能顺手把漏洞修好?
实际上,Anthropic 已经让 AI 生成候选补丁。
但对开发者来说,生成补丁并不等于补丁能够被项目接受。
让 LLM 生成修复程序确实不难,难的是开源项目愿不愿意采用。

审核一份 AI 补丁,有时几乎等于重新实现一遍修复方案。维护者不仅要确认补丁能否消除原始漏洞,还要判断它是否引入新的行为变化、兼容性问题或潜在安全风险。

问题在于,AI 擅长向代码中添加内容,却不一定能准确识别哪些内容应该被删除。
它发现一个问题后开始修复,修复过程中又加入更多复杂逻辑。结果可能是修好了一个 Bug,却带来了新的问题。
AI 非常擅长添加事物,但它却意识不到事物也可以被移除。

至少在目前,这些最强模型挖出的坑,仍然需要人类来填。