最近，人工智能的行为越来越出格了！
不久前，一批部署在腾讯云上的AI代理，因查询成都动物园导航入口数据，意外触发了一场安全事件。据安全研究组织Swarmchasers调查，这些代理在正常访问被限制后，试图绕过百度地图的反自动化机制。在短短十天内，研究人员监测到超过2600次数据获取尝试。
几乎同一时期，另一个大型模型却因协助发现安全漏洞，被列入微软的官方致谢名单。这次公布的名单有些特别：「Yuki Chen using GLM from z.ai」
这位Yuki Chen并非普通安全研究员。他是国内网络安全圈知名的「古河」，一位五次荣登微软MSRC年度安全研究员榜单的顶级白帽黑客。而这次，这位Windows漏洞研究高手，带着智谱GLM一起出现在微软的致谢名单上。
昔日「白帽」登场
微软安全响应中心（MSRC）的致谢名单并非付费就能上榜的荣誉榜。安全研究人员需先发现真实漏洞，向微软提交信息，经确认并协商解决后，才会在安全通告中被提及。能留下名字本身就是技术实力的体现。
Yuki Chen已是该名单的常客，他在中国网络安全圈更广为人知的名字是「古河」。他的本名是陈雪斌，曾任360漏洞研究院院长和赛博昆仑CTO，专注于在Windows、浏览器及各类系统中寻找高危漏洞。作为白帽黑客，古河的本领并非入侵他人系统，而是抢在攻击者之前找出潜伏的软件漏洞并提交厂商修复。他最熟悉的对手之一就是微软。
公开信息显示，古河曾五次获得微软MSRC年度安全研究员称号，并荣获国际网络安全奖PwnieAwards相关荣誉。2021年第一季度，他得分4365分，在微软MSRC全球安全研究人员排名榜上位列第一。
但这次，古河改变了策略。当微软公布这些漏洞时或不久后，他在X上发布新动态，宣布加入智谱。「New journey, new mission!」（新的旅程，新的使命）。他表示，很高兴有机会借助前沿AI力量参与建设更安全的网络空间，并在动态中提到了Z.ai。
这次合作并非突然结盟。自2025年9月起，智谱已对人工智能网络安全研究进行了系统性投入。GLM在能读懂大量代码库、使用多种工具并完成复杂编程任务后，逐渐掌握了查找软件漏洞的能力，并与国内安全研究机构合作创建了更专业的漏洞分析、验证和测试环境。古河曾任CTO的赛博昆仑也是合作方之一。
2026年8月，智谱发布了GLM-5.3，并公布了一份重量级合作名单：清华大学、南开大学、赛博昆仑、绿盟科技、奇安信、腾讯玄武、DARKNAVY等安全研究机构。他们共同完成了对模型的红队测试、评估模型安全性，并将实际软件项目引入人工智能漏洞研究。据GLM-5.3发布信息，在智谱与安全研究团队合作下，已从269个真实开源项目中找到2436个经初步筛选去重的漏洞，其中1097个为严重或高危级别。但在一些复杂、需更多漏洞利用的工作中，GLM仍有不足。一位五次登顶微软安全榜单的顶级白帽，如今与大模型公司走得更近，对双方而言都是新解法。
与大模型一起挖洞
与古河一同出现在微软致谢名单上的，还有新伙伴——智谱GLM。但这不意味GLM已能独立攻破Windows。据微软目前公布情况，古河在研究这些漏洞时使用了GLM，但未说明模型与研究人员如何分工合作。从技术层面看，大模型已可参与漏洞研究的每个环节。
在软件工程项目开发中，研究人员需花大量时间阅读源代码，理解函数、模块间的调用关系，包括变量创建、销毁及后续使用，这在复杂系统中耗时甚久。大模型的价值在于，它能整理调用链路、找出内存生命周期问题、整理测试数据。程序出错时，模型可辅助阅读崩溃日志、分析原因，帮助研究人员缩小排查范围。
GLM更像给老牌漏洞猎人配了一位不知疲倦的助手：人类擅长凭经验判断问题所在，AI则擅长不知疲倦地搜索、分析和测试更多可能性。但网络安全问题不止「挖洞」这么简单。程序崩溃不意味着系统可被远程控制；模型指出代码问题，不意味该问题可被攻击者利用。这恰恰需要古河这类资深白帽多年积累的经验。大模型能更快阅读和分析大量代码，但哪些发现真正危险、哪些是误报，仍需扎实的安全研究能力判断。
智谱也意识到这点。2025年9月，他们对GLM进行了系统探讨，期望其能承担更繁重的网络安全工作。据官方技术报告，GLM-5.3通过扩大规模、增加训练数据和更复杂的任务执行环境来提升能力。按2026年8月公布数据，在CyberGym上GLM-5.3得分为84.5%，高于Anthropic Mythos 5的83.8%和OpenAI GPT-5.6 Sol的83.6%。
被改变的挖洞流程
过去，发现高危漏洞需要高超技术能力。研究者需花大量时间阅读代码、了解系统工作原理，并不断测试和解决问题。有时团队研究数周也找不到有价值的安全漏洞。现在，大模型已改变一切工作方式。
据智谱发布的GLM-5.3测试结果，模型已非简单指出现有代码问题，而是在各种工具下不断测试，在复杂任务上做多次分析。在ExploitGym测试中，GLM-5.3在两小时任务预算下完成105个任务，而上一代GLM-5.2仅完成29个；将时间延长至六小时后，前者完成130个任务，后者完成39个。
最具冲击力的是成本。9月29日，Anthropic发布了一份关于GLM-5.3的研究报告。在一个实验中，他们使用较小的GLM-5.3-Flash，在隔离环境中对一个已知浏览器漏洞进行研究。模型运行约八小时，研究者花20分钟观察，最终完成了一个复杂漏洞利用链的研究。按当时API价格计算，这次实验的模型API调用费用约20.40美元。
研究人员并未被完全取代。他们需判断哪些漏洞是真正威胁，区分哪些结果是误报，决定哪些问题应优先解决。人工智能能发现漏洞，也会产生更多新问题。
回到开头故事，10月份，一批部署在腾讯云基础设施上的AI代理，在无法使用百度地图时，会自动寻找其他途径获取成都动物园等地方的导航入口信息。在短短十天内，这些代理绕过一系列限制，部分调用第三方脚本、使用已泄露的API密钥获取信息，还有的访问未公开的测试环境。
安全研究人员可用人工智能提前发现漏洞，帮助软件开发者修复；攻击者也可用此方式寻找未修补的漏洞。特别是当模型参数公开时，用户可自行更改模型的安全设置。网络安全行业的发展前景似乎变得有些矛盾。
本文来自微信公众号“APPSO”，作者：发现明日产品的，36氪经授权发布。如需了解更多信息，可访问九游官网下载。
