Cựu nhân viên Anthropic: Hacker Black Hat ưa chuộng Claude và Codex hơn các mô hình mã nguồn mở

Cựu nhân viên Anthropic: Hacker Black Hat ưa chuộng Claude và Codex hơn các mô hình mã nguồn mở

2026/07/29 08:00:00
Hình ảnh tùy chỉnh
Bạn có biết rằng các tội phạm mạng đang tích cực lựa chọn các mô hình trí tuệ nhân tạo nguồn đóng thay vì các mô hình nguồn mở, dù có các biện pháp bảo mật nghiêm ngặt? Các hacker đen chủ yếu dựa vào các mô hình sở hữu cao cấp như Claude Code của Anthropic và Codex của OpenAI, trong khi các chuyên gia bảo mật trắng buộc phải sử dụng các mô hình nguồn mở. Theo những thông tin chia sẻ bởi cựu nhân viên Anthropic Noah Lebovic vào tháng 7 năm 2026, các mô hình nguồn đóng cung cấp khả năng tấn công tự động vượt trội, vượt xa sự bất tiện khi vượt qua các bộ lọc an toàn. Các tác nhân độc hại mua token đăng ký giảm giá trên các thị trường đen và luân chuyển hệ thống tài khoản bị xâm phạm khi bị cấm. Ngược lại, các đội kiểm thử xâm nhập hợp pháp phải đối mặt với các ràng buộc tuân thủ nghiêm ngặt và bộ lọc nội dung tích cực trên các nền tảng sở hữu, buộc họ hướng tới các mô hình nguồn mở như GLM 5.2. Sự không tương thích về cấu trúc này tạo ra lợi thế bất đối xứng kéo dài trong các hoạt động mạng, nơi các hàng rào phòng thủ vô tình hạn chế các chuyên gia an ninh mạng hợp pháp mà không ngăn được các tác nhân đe dọa.

Tại sao các hacker mũ đen lại ưa chuộng Claude và Codex hơn các mô hình mã nguồn mở?

Các hacker mũ đen ưa chuộng các mô hình AI sở hữu độc quyền như Claude Code và OpenAI Codex vì khả năng suy luận nâng cao và tạo mã của chúng vượt trội đáng kể so với các giải pháp mã nguồn mở trong việc thực hiện các cuộc tấn công mạng phức tạp. Các mô hình nguồn đóng hàng đầu mang lại hiệu suất vượt trội trong việc phát hiện lỗ hổng zero-day, viết các tải trọng khai thác và tự động hóa các nhiệm vụ xâm nhập đa giai đoạn.
Theo các tuyên bố từ nhà nghiên cứu cũ của Anthropic, Noah Lebovic, được nêu bật trong báo cáo tháng 7 năm 2026 của Beating, các tội phạm mạng ưu tiên trí tuệ thô và độ tin cậy trong thực thi hơn là sự cản trở từ các hàng rào bảo vệ. Các mô hình có khả năng cao làm giảm đáng kể thời gian cần thiết để phát triển mã khai thác chức năng từ hàng giờ xuống vài giây. Khoảng cách hiệu suất giữa các hệ thống sở hữu hàng đầu và các mô hình mã nguồn mở vẫn còn lớn đến mức các tác nhân độc hại sẵn sàng bỏ qua các bộ lọc bảo mật thay vì chấp nhận các lựa chọn mã nguồn mở yếu hơn.

Các tác nhân đe dọa vượt qua các hạn chế bảo mật nguồn đóng như thế nào?

Các tác nhân đe dọa vượt qua các biện pháp kiểm soát an toàn nguồn đóng bằng cách mua các token đăng ký giảm giá trên các thị trường đen và sử dụng các kỹ thuật bẻ khóa nâng cao kết hợp với thay đổi tài khoản nhanh chóng. Các hạn chế bảo mật chỉ đóng vai trò như những trở ngại vận hành tạm thời thay vì rào cản tuyệt đối đối với những kẻ tấn công có quyết tâm.
Khi các nền tảng nội bộ phát hiện hoạt động độc hại và cấm các tài khoản vi phạm, các tác nhân đen ngay lập tức chuyển sang sử dụng thông tin đăng nhập mới được mua số lượng lớn từ các thị trường trực tuyến bất hợp pháp. Hơn nữa, kỹ thuật định hướng tinh vi cho phép kẻ tấn công che giấu ý định độc hại—trình bày việc tạo khai thác như nghiên cứu giáo dục, kiểm thử phòng thủ hoặc gỡ lỗi phần mềm—từ đó lừa các bộ phân loại an toàn tạo ra các vectơ tấn công có chức năng.

Các thị trường xám đóng vai trò gì trong tội phạm mạng do AI thúc đẩy?

Các thị trường ngầm dưới lòng đất duy trì tội phạm mạng do AI điều khiển bằng cách cung cấp quyền truy cập giá rẻ, ẩn danh vào các mã token mô hình độc quyền hàng đầu và tài khoản doanh nghiệp bị đánh cắp. Những thị trường bất hợp pháp này làm giảm rào cản tài chính và kỹ thuật để thực hiện các cuộc tấn công mạng tự động với khối lượng lớn.
Theo các quan sát trí tuệ mạng được trích dẫn bởi Beating vào tháng 7 năm 2026, các tác nhân đe dọa thường mua các khóa truy cập API và phiên bản đăng ký với mức chiết khấu lớn. Cơ sở hạ tầng truy cập giá rẻ này cho phép tin tặc chạy các công cụ quét và khai thác tự động liên tục được hỗ trợ bởi Claude và Codex mà không lo ngại về việc tài khoản bị đình chỉ, vì chi phí thay thế thông tin xác thực chỉ bằng một phần nhỏ so với giá bán lẻ thông thường.

Tại sao các đội bảo mật White Hat buộc phải sử dụng các mô hình mã nguồn mở?

Các đội bảo mật white hat chủ yếu dựa vào các mô hình AI nguồn mở vì các yêu cầu tuân thủ nghiêm ngặt, chính sách quản lý rủi ro doanh nghiệp và bộ lọc nội dung aggresive của nhà cung cấp ngăn cản họ sử dụng các nền tảng đóng để thực hiện công việc bảo vệ an ninh. Các hoạt động an ninh mạng hợp pháp thường kích hoạt các khối an toàn trên các công cụ AI thương mại khi xử lý các tải trọng lỗ hổng thực tế, mẫu phần mềm độc hại và lệnh xâm nhập.
Theo các tiết lộ của Noah Lebovic vào tháng 7 năm 2026, ba công ty kiểm thử xâm nhập được ủy quyền lớn đã hoàn toàn áp dụng các mô hình nguồn mở như GLM 5.2 làm động cơ vận hành chính. Vì các chuyên gia bảo mật đạo đức phải hoạt động trong các giới hạn pháp lý và tổ chức, họ không thể sử dụng các chiến thuật như xoay vòng tài khoản thị trường đen hoặc jailbreaking để vượt qua bộ lọc nội dung. Các mô hình nguồn mở cung cấp toàn quyền kiểm soát vận hành, bảo mật khi triển khai tại chỗ và không có kiểm duyệt nội dung, khiến chúng trở thành lựa chọn duy nhất khả thi để xử lý các cuộc kiểm toán bảo mật doanh nghiệp nhạy cảm.

Bộ lọc nội dung cản trở các hoạt động an ninh mạng hợp pháp như thế nào?

Các bộ lọc kiểm duyệt nội dung tiêu chuẩn trên các nền tảng AI thương mại làm gián đoạn công việc bảo mật phòng thủ bằng cách xem các lệnh nghiên cứu lỗ hổng hợp pháp và kiểm thử xâm nhập là hoạt động độc hại. Các nền tảng thương mại áp dụng việc chặn từ khóa tự động, từ chối xử lý các script khai thác thực tế, shellcode hoặc phân tích lỗ hổng hệ thống.
Khi các nhà nghiên cứu mũ trắng cố gắng phân tích các vectơ mối đe dọa thực tế hoặc viết các bản vá phòng thủ sử dụng các mô hình sở hữu, các hệ thống thường đưa ra các từ chối an toàn. Các chuyên gia phân tích phòng thủ không thể chịu đựng được thời gian ngừng hoạt động do các lần treo tài khoản lặp lại hoặc các cảnh báo an toàn sai, buộc các công ty bảo mật phải lưu trữ các mô hình nguồn mở không bị kiểm duyệt trên cơ sở hạ tầng riêng tư nơi không có các khối tự động.

Các mô hình nguồn mở mang lại lợi ích gì cho các đội an ninh phòng thủ?

Các mô hình AI mã nguồn mở mang lại cho các đội an ninh mạng quyền riêng tư toàn bộ dữ liệu, khả năng tinh chỉnh tùy chỉnh và xử lý không giới hạn dữ liệu tình báo mối đe dọa. Việc triển khai tại chỗ đảm bảo rằng dữ liệu doanh nghiệp sở hữu và thông báo về các mối đe dọa zero-day không bao giờ rời khỏi mạng nội bộ doanh nghiệp.
Các đội an ninh có thể tinh chỉnh các mô hình mã nguồn mở như GLM 5.2 một cách chính xác trên dữ liệu telemetry sở hữu, kiến trúc cơ sở mã nội bộ và các nguồn dữ liệu tình báo mối đe dọa. Việc kiểm soát tại chỗ này đảm bảo tuân thủ đầy đủ các quy định bảo vệ dữ liệu nghiêm ngặt như GDPR và SOC2, đồng thời loại bỏ các phụ thuộc vào API bên thứ ba và rủi ro ghi log từ nhà cung cấp bên ngoài.
Tiêu chí hoạt động Các mô hình nguồn đóng (Claude / Codex) Các mô hình mã nguồn mở (ví dụ: GLM 5.2)
Cơ sở người dùng chính Hacker Black Hat, Nhà phát triển thương mại Các đội White Hat, Người bảo vệ doanh nghiệp
Mức độ khả năng Lập luận và thực thi tiên tiến nhất Cao, nhanh chóng thu hẹp khoảng cách hiệu suất
Chiến lược vượt qua Quay vòng tài khoản, token thị trường đen Không cần thiết (được lưu trữ tại địa phương & không bị kiểm duyệt)
Tính khả thi về tuân thủ Phân tích khai thác thực sự ở mức thấp 100% tuân thủ chủ quyền dữ liệu địa phương
Sự ma sát hoạt động Các cảnh báo sai dương tính cao đối với người bảo vệ Không có bộ lọc nhân tạo hoặc lệnh cấm tài khoản

Sự khác biệt chính giữa AI nguồn mở và AI nguồn đóng trong an ninh mạng là gì?

Sự khác biệt chính giữa AI mã nguồn mở và mã nguồn đóng trong an ninh mạng nằm ở sự đánh đổi giữa hiệu suất mô hình tối ưu và khả năng kiểm soát vận hành. Các mô hình mã nguồn đóng mang lại sức mạnh suy luận không thể so sánh được phía sau các bức tường API nghiêm ngặt, trong khi các mô hình mã nguồn mở cung cấp tính minh bạch hoàn toàn về mã nguồn, khả năng lưu trữ tại chỗ và khả năng thích ứng toàn diện với từng lĩnh vực.
Theo các cuộc thảo luận về bảo mật được công bố trên các mạng phát triển vào tháng 7 năm 2026, sự động thái này tạo ra một sự chia rẽ rõ ràng trong cảnh quan an ninh mạng. Những kẻ tấn công ưu tiên khả năng thuần túy và sử dụng cơ sở hạ tầng bất hợp pháp để vượt qua các hạn chế API, trong khi các bên bảo vệ doanh nghiệp ưu tiên quyền riêng tư dữ liệu, thời gian hoạt động liên tục và xử lý không giới hạn các tài sản bảo mật nhạy cảm.

Khả năng mô hình ảnh hưởng như thế nào đến việc tạo tự động lỗ hổng?

Khả năng mô hình vượt trội trực tiếp tăng tỷ lệ thành công và tốc độ tạo exploit tự động trong các môi trường phần mềm phức tạp. Các mô hình thương mại hàng đầu nổi bật ở khả năng suy luận đa bước, cho phép chúng ánh xạ các kiến trúc phần mềm phức tạp, xác định các lỗ hổng đa vectơ và viết mã exploit hoạt động đầy đủ mà không cần can thiệp của con người.
Trong các buổi trình diễn bảo mật được ủy quyền do Noah Lebovic thực hiện bằng Claude Opus 4.6, mô hình đã thực hiện thành công một chuỗi tấn công end-to-end xâm nhập vào tài khoản ngân hàng mục tiêu và truy xuất các hồ sơ y tế nhạy cảm. Độ sâu của sự hiểu biết ngữ cảnh cần thiết cho các chuỗi khai thác cấp cao vẫn là lý do chính khiến các tác nhân đe dọa kiên trì sử dụng các mô hình độc quyền cao cấp thay vì các lựa chọn kém hiệu quả hơn.

Tại sao các hàng rào an toàn tạo ra lợi thế bất đối xứng cho kẻ tấn công?

Các hàng rào an toàn AI thương mại tạo ra sự bất cân xứng về cấu trúc bằng cách đặt gánh nặng hạn chế lên những người tuân thủ, trong khi không ngăn được các tác nhân độc hại hoạt động ngoài khung pháp lý. Các hàng rào này dựa vào các cơ chế xác minh ý định dễ bị lừa dối bởi các bộ phân loại dựa trên quy tắc, nhưng gây gián đoạn nghiêm trọng đến các quy trình làm việc hợp lệ.
Trong khi các nhà nghiên cứu bảo mật có đạo đức tuân thủ thỏa thuận người dùng và đối mặt với việc tài khoản bị chấm dứt khi kích hoạt cảnh báo bảo mật, các tác nhân đe dọa rõ ràng tính toán việc mất tài khoản vào chi phí hoạt động của họ. Động lực này khiến các đội ngũ bảo mật có đạo đức phải dựa vào các mô hình mã nguồn mở ít khả năng hơn hoặc được tùy chỉnh nặng nề, trong khi các tội phạm mạng tận dụng sức mạnh AI sở hữu độc quyền tối đa thông qua các tài khoản dùng một lần.

Lộ trình phát triển của cảnh báo mối đe dọa AI sẽ thay đổi như thế nào khi các mô hình nguồn mở bắt kịp?

Bối cảnh mối đe dọa an ninh mạng do AI gây ra sẽ chứng kiến sự gia tăng đột biến trong các cuộc tấn công tự động khi các mô hình nguồn mở đạt mức hiệu năng ngang bằng với các nền tảng nguồn đóng hàng đầu. Các mô hình nguồn mở không bị kiểm duyệt và có khả năng cao sẽ loại bỏ nhu cầu về các tài khoản thị trường đen, mang lại cho các tác nhân độc hại khả năng tấn công không giới hạn và không bị giám sát trên phần cứng cục bộ.
Theo các phân tích chung do các nhà nghiên cứu an toàn của OpenAI và Anthropic thực hiện vào tháng 7 năm 2026, sự hội tụ giữa các khả năng nguồn mở với các tiêu chuẩn đóng hàng đầu đại diện cho một điểm ngoặt quan trọng. Khi các trọng số nguồn mở đạt được hiệu suất lập trình và suy luận ở mức tiên tiến, việc giám sát các nền tảng tập trung sẽ không còn là điểm kiểm soát khả thi để ngăn chặn chiến tranh mạng tự động.
Giai đoạn tiến hóa mối đe dọa Đặc điểm phòng thủ Khả năng tấn công
Bối cảnh hiện tại (2026) Các bên bảo vệ sử dụng mã nguồn mở để bảo vệ quyền riêng tư; đối mặt với khoảng trống năng lực Các kẻ tấn công khai thác phần mềm nguồn đóng thông qua các token thị trường đen
Giai đoạn Parity Các mô hình doanh nghiệp địa phương phù hợp với năng lực sở hữu Các kẻ tấn công chạy các mô hình biên giới không bị kiểm duyệt trên các thiết bị cục bộ
Thời kỳ Tự chủ Tự động vá bảo vệ AI theo thời gian thực Khai thác lỗ hổng zero-day bằng AI liên tục và hoàn toàn tự chủ

Những rủi ro nào xuất hiện khi các mô hình nguồn mở đạt được khả năng tiên tiến?

Khi các mô hình mã nguồn mở đạt đến mức độ suy luận tiên tiến, các khả năng mạng tấn công sẽ trở nên dân chủ hóa hoàn toàn, phi tập trung và không thể bị tắt remotely. Bất kỳ ai có đủ phần cứng tính toán sẽ sở hữu một vũ khí mạng tự chủ có khả năng phát hiện và khai thác lỗ hổng phần mềm quy mô lớn.
Các biện pháp bảo vệ nền tảng tập trung—như giới hạn tỷ lệ API, giám sát hành vi và tạm dừng tài khoản ngay lập tức—không thể giảm thiểu các rủi ro xuất phát từ trọng số mô hình được thực thi tại địa phương. Do đó, các nhóm độc hại sẽ có thể chạy các chiến dịch đe dọa liên tục, không gián đoạn mà không để lại dấu vết kỹ thuật số trên các máy chủ AI thương mại.

Làm thế nào để cơ sở hạ tầng an ninh mạng thích ứng với các cuộc tấn công AI tự chủ?

Cơ sở hạ tầng an ninh mạng phải thích ứng bằng cách triển khai các tác nhân AI tự trị, bảo vệ theo thời gian thực, liên tục quét, xác định và vá các lỗ hổng nhanh hơn khả năng khai thác của các mô hình tấn công. Chiến lược phòng thủ phải chuyển từ phản ứng sự cố do con người thực hiện sang giải pháp tự động hóa với tốc độ máy móc.
Vì các trung tâm vận hành bảo mật con người không thể theo kịp các vectơ tấn công do AI điều khiển, các tổ chức ngày càng tích hợp các mô hình mã nguồn mở trực tiếp vào quy trình phát hiện mối đe dọa của họ. Bằng cách triển khai các tác nhân phòng thủ chuyên biệt tại chỗ, các mạng doanh nghiệp có thể vô hiệu hóa tức thì các lỗ hổng zero-day, tái cấu hình tường lửa và viết lại mã dễ bị tổn thương theo thời gian thực.

Cách giao dịch các token AI và an ninh mạng trên KuCoin?

Giao dịch các loại tiền điện tử liên quan đến trí tuệ nhân tạo và an ninh mạng trên KuCoin mang lại cơ hội tiếp cận sự giao thoa ngày càng phát triển giữa tính toán phi tập trung, phát triển AI và các giao thức bảo mật tự động. KuCoin cung cấp quyền truy cập vào các tài sản kỹ thuật số hàng đầu hỗ trợ các mạng AI phi tập trung, tính toán dữ liệu an toàn và các công cụ mã hóa tập trung vào quyền riêng tư.
Để bắt đầu giao dịch các token AI và bảo mật trên KuCoin, làm theo các hướng dẫn vận hành từng bước sau:
  1. Tạo tài khoản: Truy cập nền tảng chính thức của KuCoin và hoàn tất quy trình đăng ký người dùng bằng địa chỉ email hoặc số điện thoại hợp lệ.
  2. Xác minh danh tính đầy đủ: Nộp các tài liệu nhận dạng cần thiết để đáp ứng yêu cầu Know Your Customer (KYC), đảm bảo đầy đủ chức năng tài khoản và hạn mức rút được nâng cao.
  3. Nạp tiền: Chuyển tiền điện tử hoặc nạp tiền pháp định vào tài khoản tài trợ KuCoin của bạn bằng các phương thức thanh toán được hỗ trợ, chẳng hạn như chuyển khoản ngân hàng hoặc mua bằng thẻ tín dụng.
  4. Đi đến Giao dịch giao ngay: Chuyển số dư của bạn vào Tài khoản giao dịch, truy cập giao diện "Giao dịch giao ngay" và tìm cặp giao dịch token AI bạn mong muốn (ví dụ: NEAR/USDT, FET/USDT hoặc RENDER/USDT).
  5. Thực hiện giao dịch: Chọn loại lệnh bạn ưa thích—ví dụ: Lệnh Giới hạn để kiểm soát giá chính xác hoặc Lệnh Thị trường để thực hiện ngay lập tức—nhập số tiền giao dịch, sau đó xác nhận giao dịch.
KuCoin cung cấp các tính năng bảo mật cấp tổ chức, công cụ biểu đồ nâng cao và thanh khoản cao trên hàng trăm cặp công nghệ AI và blockchain, biến nơi đây thành nền tảng hàng đầu để quản lý tài sản tiền điện tử trong nền kinh tế số đang phát triển.

Kết luận

Sự chênh lệch về cấu trúc trong cách các kẻ tấn công mũ đen và các bên phòng thủ mũ trắng sử dụng trí tuệ nhân tạo làm nổi bật một lỗ hổng cơ bản trong các khung an toàn AI hiện tại. Các mô hình thương mại nguồn đóng như Claude Code và OpenAI Codex vẫn là lựa chọn ưa thích của các tội phạm mạng do khả năng suy luận cao cấp và tạo mã tự động của chúng. Các tác nhân đe dọa dễ dàng vượt qua các hàng rào bảo vệ nền tảng bằng cách tận dụng các mã đăng ký thị trường xám và luân chuyển tài khoản nhanh chóng. Ngược lại, các đội bảo mật hợp pháp bị đẩy hệ thống về phía các mô hình nguồn mở như GLM 5.2 để tránh các khối nội dung sai, cấm tài khoản và vi phạm tuân thủ khi xử lý dữ liệu đe dọa nhạy cảm.
Như được nhấn mạnh bởi các cuộc thảo luận trong ngành và những hiểu biết nghiên cứu từ các cựu nhân viên Anthropic vào tháng 7 năm 2026, các hàng rào an toàn hiện tại tạo ra sự ma sát vận hành lớn đối với những người bảo vệ đạo đức mà không ngăn chặn hiệu quả các tác nhân độc hại có ý định rõ ràng. Sự bất cân xứng này sẽ trở nên quan trọng hơn bao giờ hết khi các mô hình mã nguồn mở tiến gần đến mức ngang bằng với các hệ thống sở hữu, chuyển dịch khả năng tấn công vào các môi trường phi tập trung và không được giám sát. Để theo kịp các vectơ mối đe dọa do AI tạo ra, các kiến trúc an ninh mạng phải chuyển đổi sang các hệ thống phòng thủ tự động, thời gian thực, có khả năng vô hiệu hóa các cuộc tấn công ở tốc độ máy trên toàn bộ cơ sở hạ tầng kỹ thuật số toàn cầu.

Câu hỏi thường gặp (FAQ)

Sự khác biệt chính giữa hacker mũ đen và mũ trắng trong việc sử dụng AI là gì?

Các hacker mũ đen ưu tiên khả năng mô hình tối đa để thực hiện các cuộc tấn công, dựa vào các token thị trường xám để truy cập các mô hình nguồn đóng như Claude và Codex. Các hacker mũ trắng ưu tiên tuân thủ, quyền riêng tư dữ liệu và hoạt động không bị kiểm duyệt, dẫn đến việc họ sử dụng các mô hình nguồn mở được lưu trữ tại chỗ như GLM 5.2.

Tại sao các hàng rào an toàn AI thương mại không thể ngăn chặn các tin tặc độc hại?

Các hàng rào bảo vệ thương mại thất bại vì các tác nhân đe dọa hoạt động ngoài ranh giới pháp lý, sử dụng kỹ thuật prompt, jailbreak và tài khoản mua hàng loạt từ thị trường đen để vượt qua các bộ lọc an toàn. Khi một tài khoản bị cảnh báo và cấm, kẻ tấn công đơn giản chuyển sang bộ thông tin đăng nhập mới.

GLM 5.2 là gì và tại sao các đội kiểm tra xâm nhập đang áp dụng nó?

GLM 5.2 là một mô hình ngôn ngữ mã nguồn mở với khả năng cao, được các đội an ninh đạo đức sử dụng như một lựa chọn thay thế cho các công cụ AI sở hữu. Các đội kiểm thử xâm nhập áp dụng nó vì có thể triển khai trên máy chủ riêng mà không cần các bộ lọc kiểm duyệt nội dung, cho phép các nhà nghiên cứu phân tích các lỗ hổng bảo mật thực sự một cách an toàn và hợp pháp.

Các thị trường xám hỗ trợ các cuộc tấn công mạng được điều khiển bởi AI như thế nào?

Các thị trường phi chính thức hỗ trợ các cuộc tấn công mạng AI bằng cách bán các khóa API và tài khoản đăng ký bị đánh cắp, bị bẻ khóa hoặc được giảm giá theo số lượng lớn cho các tác nhân đe dọa. Chuỗi cung ứng chi phí thấp này cho phép tin tặc chạy các kịch bản khai thác tự động, khối lượng lớn trên các mô hình thương mại hàng đầu mà không lo lắng về chi phí tài chính của việc bị cấm tài khoản.

Liệu các mô hình nguồn mở có cuối cùng sẽ vượt qua các mô hình đóng trong khả năng an ninh mạng?

Các mô hình mã nguồn mở đang nhanh chóng thu hẹp khoảng cách hiệu suất với các mô hình sở hữu, giúp các khả năng lập trình và suy luận nâng cao trở nên dễ tiếp cận rộng rãi. Khi các mô hình mã nguồn mở đạt được mức hiệu suất ngang bằng, cả các đội an ninh phòng thủ lẫn các tác nhân đe dọa sẽ có quyền truy cập vào các khả năng AI cấp前沿 hoạt động hoàn toàn trên cơ sở hạ tầng cục bộ mà không cần sự giám sát tập trung.

Tuyên bố từ chối trách nhiệm: Trang này được dịch bằng công nghệ AI để thuận tiện cho bạn. Để biết thông tin chính xác nhất, hãy tham khảo bản gốc tiếng Anh.