程浅发自凹非寺
量子位 | 公众号 QbitAI
最近 AI 找 Bug 这事儿有点太割裂了。
这一边，AI 一朝出手倒查所有，先挖出了个PHP 底层重大安全漏洞，又扒出948 个 Linux 内核漏洞……
另一边，开源社区都快被整崩溃了：你把漏洞找出来了，你倒是修啊！
昨天，网络安全公司 VulnCheck 发布了一份关于 Anthropic玻璃翼计划（Project Glasswing）的成绩单。
上面显示，在玻璃翼计划推出七个月后，Claude 已累计挖出了37966 条候选漏洞。
但截至目前，公开记录上只有 217 条被修复。
VulnCheck 不禁质疑，当初那个轰轰烈烈的网络安全“Mythos 时代”，真的到来了吗？
3. 8 万个漏洞，究竟修好了多少？
先帮大家回忆一下 Anthropic 今年 4 月高调宣传推出的“玻璃翼计划”。
该计划旨在利用 Claude 大规模挖掘关键软件及开源项目中的安全漏洞，联合科技企业、开源维护者推动漏洞修复，抢在被利用之前消除安全隐患。
取名寓意有二。
一方面，安全漏洞就像玻璃翼蝶一样，藏在人眼皮底下，数十年无人发现；另一方面，透明本身也是一种保护，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。
△玻璃翼蝶，学名宽纹黑脉绡蝶｜图源 wikipedia
启动之初，Anthropic 宣称要提供 1 亿美元的模型使用额度和 400 万美元的开源安全捐款，同时还宣布它们的网络安全王炸模型Claude Mythos Preview已发现了数千个高危和严重漏洞。随后一呼百应，苹果、谷歌、微软、AWS、英伟达纷纷加入。
但果真如此吗？
根据 VulnCheck 持续追踪的数据，截至 11 月初，Anthropic 的候选发现已达 37966 条，但漏洞披露台账中标记为已修复的仅有 217 条。
与此同时，作废数据还在堆积，漏洞撤回项 419 条，重复项高达 1654 条。
△图源 VulnCheck
这种差距还在加速扩大。
仅在最近两个月内，候选漏洞就暴增了近 1.2 万条，但已修复记录却仅微弱新增了 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%。
△图源 VulnCheck
而据 Anthropic 官方披露的数据显示，截至 11 月 2 日，37966 项候选发现中，6376 条经过外部安全专家审核，有 6009 项发现为有效，其中已有 5087 项发现向软件维护者报告，629 项已获得上游补丁。
尽管由于数据口径不同使得修复数量有些许差异，但有一件事，双方倒都发现了。
那就是以 AI 挖漏洞的这个强度，人工审核根本吃不消。
Anthropic 自己早就意识到了这一点，官方也坦承，人工验证能力的严重瓶颈，极大地限制了漏洞的审核与披露效率。
于是在 10 月 8 日，它推出了一项名叫 OSS Scanner 的服务。
开源项目维护者可以主动报名让 Claude 免费扫描自己的代码，这样模型生成的漏洞报告可以直接发给维护者，不必再等待 Anthropic 组织人工审核了。
开源维护者修不过来
AI 正在逼我们立即还清拖欠 40 年的技术债。
这个数据差的背后，最受罪的是开源维护者们，就比如 VulnCheck 举了网络数据传输工具 curl 的例子。
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。
而早在此之前，Daniel 就在博客中写道，核心维护者已经被源源不断涌来的报告压得喘不过气。
我们的目标是别被淹死。（We aim to not drown.）
为了应付这么多报告，Daniel 宣布修改 curl 的安全漏洞处理规则。低危、中危漏洞改为在 GitHub 上公开讨论，让更多社区开发者帮忙审核。
目前，curl 已经公开的 34 份报告里，19 份被判定不构成安全漏洞，6 份确认属于低危漏洞。
VulnCheck 的报告就暗戳戳地说了，之前不是说全是严重危害吗，怎么现在，玻璃翼除了给人平添审核工作量外好像没太有用？
但其实 Anthropic 真给 curl 挖出过一个严重漏洞。
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，恶意服务器甚至可能借此实现远程代码执行。
Daniel 称，它是 curl 多年来最严重的漏洞之一。
所以话说回来了，VulnCheck 的这篇报告，其实也很像给自家打的广告，因为它所批评的玻璃翼的问题，也恰好与自家提供的漏洞情报、优先级管理服务高度契合……
One More Thing
聊到这里，可能有人会想，既然 Claude 这么强，为啥发现问题的时候不直接把它顺手修好呢？
实际上，Anthropic 已经让 AI 生成候选补丁了。
只不过，开发者苦 AI 修 Bug 久矣......“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 补丁的工作量，有时几乎相当于自己重新写一份。
常常是“点亮一根蜡烛照亮更多黑暗”，AI 发现一个问题开始修复，为了修复，又往代码里加入更多复杂逻辑，最后修好了一个 Bug，又带来了十个新问题。
“AI 非常擅长添加事物，但它却意识不到事物也可以被移除……”
所至少现在，这些最强模型挖的坑，还要人类来填。
