Khả năng tấn công và phòng thủ của GPT-5.6-Sol vượt trội hơn Claude Mythos 5!
Viện An toàn AI của Anh (AISI) đã công bố báo cáo đánh giá vào ngày 17 tháng 7, lần đầu tiên định lượng công khai khoảng cách về khả năng tấn công mạng giữa các mô hình AI mã nguồn mở và các mô hình tiên tiến đóng: 4 đến 7 tháng.
https://www.aisi.gov.uk/blog/how-far-behind-the-frontier-are-leading-open-weight-models-on-cyber
Trong các bài kiểm tra nội bộ cùng loại năm ngoái, khoảng cách này là 6 đến 10 tháng.
Cửa sổ phòng thủ đang thu hẹp, trong khi tiền tuyến tấn công đang tăng tốc.
Tháng 4 năm nay, Mythos Preview và GPT-5.5 đã tạo ra bước nhảy vọt lớn nhất về khả năng tấn công mạng kể từ khi bắt đầu kiểm tra năm 2023 trong đánh giá của AISI, khiến chính phủ nhiều quốc gia lập tức đưa ra cảnh báo.
Các mô hình mã nguồn mở chưa tái hiện được cú nhảy này, nhưng tốc độ đuổi theo của chúng nhanh hơn nhiều so với năm ngoái.
4 đến 7 tháng: Đo như thế nào, khác biệt ở đâu
AISI sử dụng hai hệ thống để đánh giá khả năng tấn công mạng của mô hình.
Bộ đầu tiên gồm 70 nhiệm vụ hẹp, bao gồm bốn hướng: nghiên cứu lỗ hổng, kỹ thuật ngược, thâm nhập Web và mật mã học, được phân cấp theo độ khó từ “người không chuyên có nền tảng kỹ thuật” đến “chuyên gia có hơn mười năm kinh nghiệm”.
Bộ thứ hai là Cyber Range, kiểm tra khả năng mô hình tự động thực hiện chuỗi tấn công đa bước trong mạng doanh nghiệp mô phỏng. Một trong các cảnh thử nghiệm có tên «The Last Ones» bao gồm 32 bước tấn công, 4 subnet và khoảng 20 máy chủ; AISI ước tính chuyên gia con người cần khoảng 20 giờ để hoàn thành toàn bộ các bước.
Hai hệ thống đưa ra kết luận nhất quán:
GLM-5.2 (ra mắt tháng 6 năm 2026) có hiệu suất tương đương với Opus 4.6 (ra mắt tháng 2), cách nhau 4 tháng;
Điều chỉnh Opus 4.5 trên Cyber Range (được phát hành vào tháng 11 năm ngoái), cách nhau 7 tháng.
DeepSeek V4-Pro trên các tác vụ hẹp so với Opus 4.5, cách biệt 5 tháng.
Cả hai khoảng cách đều hẹp hơn 6 đến 10 tháng được đo trong đánh giá nội bộ năm 2025.
Sự chênh lệch về chi phí lớn hơn sự chênh lệch về năng lực.
Cùng một bài kiểm tra Cyber Range (ngân sách 100 triệu Token), chạy một lần bằng Opus 4.5 hoặc 4.6 khoảng 85 USD, bằng GLM-5.2 khoảng 46 USD, còn bằng DeepSeek V4-Pro chỉ cần 1,19 USD.
Trên các nhiệm vụ hẹp mà cả hai mô hình đều có thể hoàn thành 100%, Opus 4.6 tốn 15,17 USD mỗi nhiệm vụ, trong khi GLM-5.2 tốn 6,12 USD;
Opus 4.5 giá 12,50 USD, DeepSeek V4-Pro có giá 0,28 USD.
Cùng khả năng tấn công, mã nguồn mở rẻ hơn một đến hai cấp độ.
Các hàng rào bảo mật của mô hình nguồn đóng cũng không tạo ra sự khác biệt.
Trong thử nghiệm AISI, DeepSeek V4-Pro thỉnh thoảng từ chối các nhiệm vụ reverse engineering, nhưng có thể vượt qua bằng một vài lần thử lại.
Fable 5 của Anthropic là một trường hợp cực đoan hơn: được phát hành vào ngày 9 tháng 6, chỉ ba ngày sau, nhà nghiên cứu bảo mật Pliny the Liberator đã sử dụng chiến lược thoát khỏi giới hạn nhiều bước để vượt qua bộ phân loại bảo mật, các ảnh chụp màn hình liên quan cho thấy mô hình đã tạo ra mã khai thác lỗ hổng vốn nên bị chặn lại.
Các nhà nghiên cứu của Amazon sau đó đã báo cáo độc lập một phương pháp vượt qua khác.
Điều này trực tiếp kích hoạt lệnh kiểm soát xuất khẩu đầu tiên của Bộ Thương mại Mỹ đối với mô hình AI, khiến Fable 5 ngừng hoạt động toàn cầu trong 19 ngày cho đến khi Anthropic triển khai bộ phân loại mới và phục hồi hoạt động.
Closed source does not automatically equal security.
Cửa phòng thủ thu hẹp, các công cụ phòng thủ cũng đang tăng tốc
AISI đã xác định rõ tín hiệu chính sách trong báo cáo: thời gian chuẩn bị của phía phòng thủ ngắn hơn so với năm ngoái.
Trung tâm An ninh Mạng Quốc gia của Anh đã kêu gọi các tổ chức củng cố cơ sở an ninh mạng và tận dụng AI để tăng cường khả năng phòng thủ.
Các công cụ AI cùng thế hệ này cũng đang thúc đẩy công việc phòng thủ.
Glenn Fiedler, một nhà phát triển kỳ cựu trong lĩnh vực lập trình mạng game, người đã viết các bài báo mang tính giáo khoa trong hai thập kỷ về lập trình mạng game, gần đây đã thực hiện đánh giá bảo mật hệ thống cho bốn thư viện mã nguồn mở mà anh ấy duy trì (yojimbo, netcode, reliable, serialize — tổng cộng khoảng 6.000 GitHub Star, thuộc nhóm thư viện mã nguồn mở lâu đời và có ảnh hưởng đáng kể trong lĩnh vực game): triển khai mục tiêu libFuzzer, kích hoạt CI AddressSanitizer và MemorySanitizer, thực hiện kiểm tra áp lực với hàng triệu lần lặp lại, và rà soát từng dòng mã.
Glenn Fiedler
Đã khắc phục 43 lỗ hổng bảo mật trong vòng hai tuần, trong đó 27 lỗ hổng có thể được kích hoạt từ xa qua mạng.
Nghiêm trọng nhất là một lỗ hổng tràn heap từ xa trong yojimbo đã tồn tại từ năm 2019—một khách hàng độc hại có thể kích hoạt nó bằng cách tạo các gói dữ liệu đặc biệt.
Chi phí token cho toàn bộ cuộc kiểm toán khoảng 2500 USD.
Cả hai phía tấn công và phòng thủ đều đang được AI tăng tốc, nhưng tốc độ tăng tốc không đối xứng.
Sự lan rộng của khả năng tấn công là không thể đảo ngược: một khi trọng số mô hình nguồn mở được phát hành, không thể thu hồi lại; các hàng rào bảo mật có thể bị gỡ bỏ, và các bản sao có thể chạy không bị giám sát trên các máy chủ riêng.
Việc triển khai các công cụ phòng thủ đòi hỏi mỗi đội ngũ chủ động đầu tư thời gian và chi phí.
Một câu trong báo cáo AISI đã làm rõ cấu trúc này: “Ngay khi mã nguồn được phát hành, các tùy chọn này sẽ bị mất vĩnh viễn.”
The impact of this data on the AGI landscape is more profound than the numbers themselves.
Khoảng cách năng lực giữa mã nguồn mở và mã nguồn đóng đang thu hẹp xuống dưới sáu tháng, chiến lược mặc định “sử dụng thời gian độc quyền của mã nguồn đóng làm bộ đệm an toàn” sắp không còn hiệu lực.
Các hàng rào của mô hình đóng nguồn đã được chứng minh là dễ bị tổn thương tương tự trong sự kiện Fable 5.
Giai đoạn tiếp theo, vấn đề cốt lõi trong cuộc chơi chính sách đối với các nhà hoạch định chính sách toàn cầu đã trở nên sắc nét hơn: các mô hình có cấp độ năng lực nào trở lên không nên mở trọng số.
AISI thông báo sẽ tiếp tục đánh giá Kimi K3 sẽ là mô hình mã nguồn mở tiếp theo—đường kẻ trên đây được đặt ở đâu, rất có thể sẽ phụ thuộc vào kết quả kiểm tra trong những tháng tới.
Tài liệu tham khảo:
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
Bài viết này đến từ tài khoản WeChat “Xin Trí Nguyên”, tác giả: ASI Khải Hồi; biên tập: Ma Khắc