AISI最新测评：差距收窄至 4-7 个月
就在前天，英国AI安全研究所（AISI）公开了一份评测结果。
AISI测试了当前领先的开源与闭源模型，发现：
GLM-5.2和DeepSeek V4-Pro，已经能够匹敌早4—7个月发布的闭源前沿模型。
而在AISI 2025年1月至9月的内部测试中，这个差距还是6—10个月。
不到一年，开源阵营就把追赶时间硬生生缩小了一大截。
其中，2026年6月发布的GLM-5.2，成为AISI测试时网络攻防能力最强的开源模型。
在专项网络安全任务中，它的表现已经接近2026年2月发布的Opus 4.6和GPT-5.3-Codex——差距只剩约4个月。
DeepSeek V4-Pro则与早约5个月发布的Opus 4.5表现相当。
70项网络安全任务
AISI使用了70项网络安全任务进行测试，每项任务允许模型尝试5次，单次最高使用250万Token。
这些任务横跨漏洞研究与利用、逆向工程、Web攻击和密码学，并被划分为四个等级：
18项技术非专家级任务（技术背景，但仅需有限的网络安全经验）
25项学徒级任务（ 1-3 年网络安全经验）
19项从业者级任务（3-10 年经验）
8项专家级任务（10 年以上经验）
GLM-5.2并非只在简单任务上追平。
AISI表示，它在四个难度等级上的表现都与早4个月发布的闭源前沿模型相当。
网络靶场：测试自主攻击能力
AISI还把模型扔进了名为The Last Ones的模拟企业网络。
包含：
一条长达32步的攻击链
4个子网
约20台主机
人类专家预计需要约20小时才能完成的完整攻击过程
模型需要自主侦察、制定计划、调用工具、利用漏洞，并持续推进一场端到端的多步骤网络攻击。
最后，GLM-5.2最远推进到了与Opus 4.5相当的位置。
它平均抵达第7步时，消耗的Token甚至略少于其他受测模型；
在抵达第11步之前，其推进轨迹一度紧贴Opus 4.6，随后才陷入停滞。
成本对比：开源性价比惊人
如果能力逼近只是第一重暴击，那么成本就是第二重。
在AISI的估算中，一次消耗1亿Token的网络靶场运行：
Opus 4.5和Opus 4.6约需85美元
GLM-5.2约需46美元
DeepSeek V4-Pro仅约1.19美元
在双方均能百分之百稳定解决的任务中，Opus 4.5平均每题成本约为12.50美元，DeepSeek V4-Pro则只有0.28美元。
开源模型，尤其是 DeepSeek V4-Pro，在成本上形成了巨大优势。
写在最后
从 6-10 个月到 4-7 个月，开源模型追赶的脚步正在加快。
未来差距会继续收窄还是反弹？尚无定论。
AISI 表示将持续追踪领先开源模型的进展，包括即将在 7 月底发布权重的Kimi K3，也已在测评计划之中。
周末Vercel CTO @cramforce对Kimi K3做了安全测试，结论是：
Kimi K3 是网络安全任务的主力模型，在召回率/精确度/成本方面表现优异。GPT 5.6 的召回率/精确度最高，但每次运行成本高出 7 倍。
攻防易势，只在数月之间。
大家准备好了吗？
参考资料：https://www.aisi.gov.uk/blog/how-far-behind-the-frontier-are-leading-open-weight-models-on-cyber
声明：本文来自玄月调查小组，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
