博客

说出来你可能不信，但AI驱动的网络进攻是遥远未来这个判断，已经被数据彻底推翻了。

AISI的测试结果让人睡不着觉

英国AI安全研究所（AISI）最近做了一件事：他们让Anthropic的Claude Mythos Preview去跑一个32步的「最后一批」（TLO）测试范围。这个测试范围是什么概念？它是一个模拟企业网络的完整攻击链路，从侦察到完全域控制，通常需要人类红队投入20个小时才能走完。

结果呢？Mythos在10次运行中成功了3次。

说实话，第一次看到这个数据的时候我没太当回事——10次成3次，成功率30%，好像也不怎么样？但AISI的评估接着说：在专家级任务上，Mythos的成功率达到73%。

这就很恐怖了。

OpenAI的GPT-5.5几乎同步追上

更让人不安的是时间线。Claude Mythos公布结果3周后，OpenAI的GPT-5.5公布了几乎完全一致的能力画像：

• 10次端到端测试中成功2次
• 专家级任务成功率71.4%
• 同样存在无防御方的测试限制条件

两个模型的能力曲线几乎重合。这不是巧合，而是前沿AI在网络进攻能力上已经形成了稳定的技术范式。

每4个月翻倍意味着什么？

AISI估计，当前前沿进攻性网络能力每4个月翻倍。

等等，这个速度比2025年底的每7个月翻倍还要快。如果按这个速度线性外推（虽然实际是指数增长），到2026年底，前沿AI可能就能在无人干预的情况下完成绝大多数中级红队任务。

我觉得这里有个被严重低估的风险：当前的基准测试如果没有对抗性防御层，根本区分不出前沿模型的能力差异。换句话说，我们可能根本不知道AI在网络进攻上到底有多强，因为我们的测试环境太友好了。

传统网络安全厂商的生存危机

这个变化最直接的受害者是谁？是那些依赖静态签名、规则的传统网络安全厂商。

它们的护城河——特征库、规则集、人工分析的专家经验——正在被进攻性AI循环超越。AISI的报告直言不讳：传统检测手段已经过时了。

那谁有机会活下来？CrowdStrike、Palo Alto、Microsoft Defender这些集成了XDR平台的厂商，它们掌握着防御智能体所需的编排层。但前提是它们能推出真正的AI原生架构，而不是把传统技术栈包装一下就号称AI驱动。

一个值得深思的悖论

这里有个我很在意、但行业讨论不多的悖论：

我们正在用AI来防御AI驱动的网络进攻。但防御AI需要的数据、算力、响应速度，和传统安全工具完全不在一个量级上。这不只是技术升级的问题，而是整个安全行业的基础设施要重构的问题。

而那些手里握着大量防御数据的平台厂商，会不会借此形成新一轮的垄断？

参考资料：State of AI: May 2026, Air Street Press, AISI Assessment Report

说实话，当我看到2026年4月这波中国AI编码模型的密集发布时，第一反应是：那个”中国AI落后6-9个月”的老框架，真的该扔进历史垃圾桶了。

12天，4家实验室，一场静悄悄的能力赶超

从4月底到5月初，短短12天里，4家中国AI实验室接连发布了各自的最新编码模型，而且全部是开源权重。这可不是小打小闹的demo，而是实打实能打的工程级模型：

• Z.ai的GLM-5.1
• MiniMax的M2.7
• Moonshot的Kimi K2.6
• DeepSeek的V4

最关键的是，它们在SWE-Bench Pro这个权威编码基准上的得分全部落在56-59分区间——什么概念？这个得分已经和西方前沿模型持平了。

价格才是真正的杀手锏

如果能力持平还不够震撼，那成本数据绝对让你倒吸一口凉气：这4款模型的推理成本，最高不超过Claude Opus 4.7的三分之一。

我觉得这里有个被很多人忽略的逻辑：AI能力如果可以低价获取，那么”前沿模型的护城河”到底在哪里？如果Kimi K2.6或者DeepSeek V4能以1/3的价格做到Opus 4.7差不多的事情，那企业采购决策会不会悄然生变？

这不是简单的性价比问题，而是整个AI供应链的话语权在转移。

“落后6-9个月”为什么不成立？

State of AI报告里有一句话我很认同：”中国落后6-9个月”的旧框架在智能体编码领域已不成立。

NIST的CAISI评估显示，DeepSeek V4的跨域基准综合表现落后美国前沿约8个月，但DeepSeek自己的模型卡显示V4-Pro与Opus 4.6、GPT-5.4持平。两个结论都是对的——只不过评估的维度和基准不同而已。

这其实揭示了一个更深的真相：AI能力的比较，已经不再是单一时间轴上的先后问题，而是评估者、支架工程、基准设计的综合博弈。当多个最优模型来自中国且为开源权重时，”追赶者”这个标签就已经失效了。

开源权重：中国AI的”农村包围城市”？

还有一个细节值得琢磨：这4款模型全部开源权重。我觉得这不是巧合，而是一种极其聪明的战略选择。

开源意味着什么？意味着全球开发者可以本地部署、可以微调、可以嵌入自己的产品而不用看任何人的脸色。当西方实验室还在纠结”该不该开源”的时候，中国实验室已经用开源完成了全球开发者生态的布局。

Kimi K2.6发布时展示了一个12小时连续工具使用轨迹，演示了将推理引擎移植到Zig的完整过程——这种”晒能力”的方式本身就很有说服力，比发一篇论文直观多了。

这件事的真正影响可能还没显现

我觉得现在讨论”中国AI是否赶超”还为时尚早，但有一个趋势已经很清晰了：在整个AI领域最具经济影响力的能力（编码和智能体工程）上，多个最优模型来自中国且为开源权重，这件事的长期影响可能被严重低估了。

企业采购、开发者工具链、云服务定价、甚至AI安全的研究议程——所有这些都将因为这个变化而重新调整。我不是在说”中国AI已经全面领先”，而是说”全面落后”这个叙事已经失去了事实基础。

参考资料：State of AI: May 2026, Air Street Press

Anthropic用一份惊人的财报证明了：AI公司不只可以讲故事，还可以真正赚钱。

从”小而美”到”超级独角兽”

说实话，我之前对Anthropic的印象一直是”技术很强、商业化很佛系”。毕竟背靠Google和Amazon两位金主爸爸，似乎没必要那么着急变现。

但最新数据直接打了我的脸——Anthropic Q1收入同比增长80倍，ARR（年度经常性收入）已经突破440亿美元。

这是什么概念？440亿美元已经相当于一个中大型科技公司的体量了。而且是在AI赛道普遍还在”烧钱换增长”的背景下实现的。

💡 小科普：ARR是Annual Recurring Revenue的缩写，即年度经常性收入，是SaaS公司最核心的指标之一。

算力即护城河：与SpaceX的超级合作

更让我惊讶的是他们的基础设施布局。

Anthropic刚刚与SpaceX签署了Colossus 1超级计算机的合作协议——220,000+块NVIDIA GPU、300MW算力。

300MW是什么概念？一个小型城市的用电量。

这波操作的逻辑很清晰：算力就是AI时代的护城河。谁掌握了更多算力，谁就能训练出更强的模型，谁就能吸引更多付费客户。

Agentic AI：从玩具到印钞机

Q1增长80倍的背后，我认为最关键的原因是Agentic AI（AI智能体）的商业化落地。

他们内部有个叫”Project Deal”的项目——69个AI Agent在分类市场上完成了186笔交易。这不是PPT上的Demo，是真金白银的收入。

这说明什么？企业用户终于愿意为”能干活”的AI买单了。不是聊天机器人那种玩具，而是能自动化完成业务流程的智能体。

🤖 划重点：Agentic AI（AI智能体）是能够自主完成复杂任务的AI系统，如自动处理订单、数据分析、客户服务等。

我的思考

说实话，Anthropic的爆发让我重新审视了AI赛道的竞争格局。

之前大家都在说OpenAI是绝对的老大，但看看数据：Anthropic ARR 440亿+增长80倍，DeepSeek正在谈450亿估值融资，国内的GLM、MiniMax、Kimi也在疯狂追赶。

AI已经进入”商业化决赛”阶段了。 光有技术不行，还得能变现。这波浪潮里，能活下来的要么是技术绝对领先，要么是商业化能力超强。