三家前沿廠的名單制資安模型能管多久,看開權重模型多快追上——開獎 2026-12-31

這在吵什麼:Anthropic(4 月)、OpenAI(6 月)、Google(9 月)先後推出只做資安的模型,都不公開標價,只發給通過審查、名單內的防禦方,外界一直在問這道閘擋不擋得住想拿去攻擊的人。

為何重要:同樣的能力,守方拿來補洞、攻方拿來找洞;英國 AI Security Institute(英國政府的 AI 安全評測機構)量到,開權重模型(參數公開、誰都能下載到自家機器上執行)的資安能力只落後閉源前沿 4 到 7 個月,而且差距在縮小。

誰在對賭:三家廠商隱含押名單制能真的管住擴散;本報押這道閘的壽命由開權重模型多快追上決定,而三家拿來證明需要這道閘的分數,都落在追得最快的那一類能力上。

本報判讀:三家確實收斂到同一種做法,而且是三家不是兩家:第一家是 Anthropic 2026 年 4 月的 Project Glasswing,比 OpenAI 早兩個月。但本報 9 月 3 日寫的兩處不成立:「72 天內」實際橫跨約五個月,「閘門一動也沒動」也不對,閘從廠商邀請改成使用者申請,後來的每一家揭露得都更少。

這道閘能撐多久,不看名單審得多嚴,看閘外的開權重模型多快追上。英國 AI Security Institute 量到的差距分兩種:單項的找漏洞能力落後 4 到 7 個月,長時間、多步驟的攻防演練落後更多。三家拿來證明需要這道閘的分數,全都量在追得最快的單項能力上。

這張卡寫下判斷時依據的原文,還沒有整理成可以點開核對的連結。

先到的三個檢查點:

①英國 AI Security Institute 下一次季度量測:開權重與閉源模型的資安差距是否繼續從目前的 4 到 7 個月縮小。

②三家任一家公開核准率,或審核要多久。

③Google 或 OpenAI 是否公布 CyberGym 用的是哪個難度級距或子集(CyberGym 是柏克萊團隊做的公開測驗,讓模型重現一個已經被描述的漏洞)。

較晚的檢查點:

④英國 AI Security Institute 或美國 CAISI(美國國家標準暨技術研究院 NIST 底下的 AI 評測單位)第一次拿資安專用款去量差距。這是本報唯一主動提出的量測請求,沒有機構承諾會做。

⑤任一款資安專用模型轉成公開標價(本報自設 12 個月期限)。

⑥任一開權重模型在 CyberGym 或同口徑的後繼測驗上公開達到 85 分級。

什麼會推翻它

①任一家公開核准率:超過九成,名單制只是銷售分流,本報的「壽命」論證降為「這個機制從來沒有真的擋住人」。明顯低於九成而且有具名的拒絕案例,「名單真的在管控」這個讀法才第一次有證據。

②任一款資安專用模型 12 個月內轉成公開標價:名單制只是分階段上市,「管控從模型裡搬到發行流程」的讀法作廢。

③英國 AI Security Institute 或 CAISI 量出專用款的差距明顯大於 7 個月:時間往後推,本報推算開權重模型追上的 2027 年 1 月到 4 月作廢。

④任一開權重模型在 CyberGym 達到 85 分級:三家的閘同時失去技術意義,這件事結案。

⑤任一家揭露能從輸出追回來源的識別機制(等同浮水印):本報「當年救回 Cobalt Strike(商用滲透測試工具,破解版曾被攻擊者大量濫用)的路,這次走不通」那段要重審,這是最可能被單獨推翻的一段。

⑥第二次政府指令撤銷(第一次在 2026 年 6 月,為遵守美國出口管制指令,Anthropic 要求 AWS 在上線三天後撤銷所有用戶對 Claude Fable 5 與 Claude Mythos 5 的存取):撤銷成為這個機制的特徵,採購方的主要風險從外洩改判為斷供。

看完整深度解剖 →