最近有一份报告在科技圈炸开了锅。5月27日，澳大利亚研究机构 Lyptus Research 宣布了一个让人后背发凉的消息：GPT-5.5 让他们的整套进攻性网络安全评估体系完全“饱和”了。

简单来说，他们准备了 316 道极难的进攻性网络安全任务，涵盖了漏洞利用、CTF 夺旗、真实 CVE 复现等，原本是想以此来测测 AI 的底线。每道题都有人类安全专家完成的时间作为基准对比。结果 GPT-5.5 宛如开挂，直接解出了其中的 292 道，正确率高达 92.4%！

剩下那 24 道没解出来的题，因为数量太少，甚至都不够研究人员画出一条有统计意义的能力评估曲线。这说明什么？说明针对这类最尖端的黑客任务，人类精挑细选制定的这套“最难测试卷”，已经不再适用了。从“最难”到“不够测”，AI 只花了短短 6 个月。

AI 黑客能力正在“坐火箭”

如果你觉得 92.4% 的正确率已经很恐怖了，那这组数据可能会让你更加头皮发麻。根据 Lyptus 从 2024 年开始的追踪分析，AI 在进攻性网络安全领域的能力，大概每 5 到 6 个月就会翻一倍！

我们在图表里能看到，2026 年初的时候，Claude Opus 4.6 还有 GPT-5.3 Codex 这类模型解决一半任务的预期时间大概是 3 个多小时；仅仅两个月后，GPT-5.5 把这个时间拉到了 5.1 小时。如果给够算力，它甚至直接冲破了任务套件 12 小时的可靠测量上限，连图表都快画不下了。

算力即战力：大力真的能出奇迹

这次测试还暴露出了大模型的一个可怕特质——只要你 Token 预算给得够多，它的破坏力还能接着往上涨。

在最难的基准测试 CyberGym 里，同一个 GPT-5.5 模型表现出了截然不同的战斗力：

  • 在 200 万 Token 预算下，正确率是 54.4%
  • 当算力预算推到 5000 万 Token 时，成功率在每个难度区间内都保持在了 80% 以上，总体涨到了惊人的 86.4%

这意味着模型的真实能力天花板，远比账面数字高，只要攻击方愿意烧算力，AI 就能硬生生把防御系统给你凿穿跑通。

巨头慌了：最强模型被迫转入“地下”

眼看着 AI 已经展现出顶级黑客团队的能力，各大头部 AI 实验室纷纷做出了选择——那就是严控。

Anthropic 原本要在 4 月发布 Claude Mythos Preview，结果直接决定不公开了，理由非常直白：网络安全能力过强！他们现在专门搞了个 Project Glasswing 项目，把神话版的强大能力定向部署给关键基础设施的防御方。

OpenAI 这边也是将 GPT-5.5 的网络安全能力评级定为了“High”（仅次于最高级 Critical），相关能力全部通过严格的门禁系统测试。

【编辑观察】尺子碎了，才是最恐怖的

以前我们总觉得，只要我们有基准测试，AI 的发展就还在人类视野之内。网络安全也是最极其容易量化的领域之一：漏洞找到或没找到，系统攻破或没攻破，一目了然。

但这次事件释放了一个极其危险的信号：连硬指标领域的评估，都已经赶不上 AI 进化的速度了。 评估追不上能力，我们用来丈量 AI 极限的尺子，已经被 AI 亲手干碎。更要命的是，按照以往的规律，闭源前沿能力传导到开源生态大约需要半年到一年时间，这意味着这种核弹级的黑客能力，年内就可能以开源的形式被任何人拿到。

当深渊深不见底，而我们手里的探测绳却断了，这或许才是真正让人不安的时刻。