7个人工智能代理被用来分类和修复比特币故障，他们发现了什么？

• Qwen 3.8、GPT 5.6 和 Fable 失败了：一个卡住了，两个拒绝工作。
• 7个测试模型中有4个是开源的，可以不受限制地使用。

保罗·米勒（Paul Miller），一位维护比特币和以太坊项目中使用的加密库的开发者，测试了7个人工智能（AI）代理，以分类和修复由比特币红队（Bitcoin Red Team）报告的5个真实安全漏洞。结果显示，各模型之间存在显著差异，无论是在执行每个模型所需的美元支出上，还是在其诊断的准确性上。

在评估的7个代理中，3个未能完成任务。阿里巴巴的Qwen 3.8在过程中卡住，米勒未说明原因。OpenAI的GPT-5.6 Sol和Anthropic的Fable直接拒绝在代码上工作，尽管米勒表示任务是识别和修复故障，而不是利用它们。

完成工作的4个代理，Grok 4.6（xAI）、Kimi K3（Moonshot AI）、DeepSeek V4 Pro和DeepSeek V4 Flash（DeepSeek），在执行时的美元支出差异很大 （用户指令的代币消耗）：

• Grok 4.6的计算消耗为4.70美元。
• DeepSeek V4 Pro的同一任务消耗为0.30美元，最贵和最便宜的模型之间差异达15.7倍（近1500%）。

所需时间也有显著差异。DeepSeek V4 Pro在30分钟内完成工作，Kimi K3在40分钟内完成，Grok 4.6在1小时内完成，而DeepSeek V4 Flash则需要3小时，耗时是DeepSeek V4 Pro的六倍（500%）。

根据米勒的说法，只有Grok 4.6与他自己对5个漏洞严重性的评估一致。

其他3个完成工作的代理（Kimi K3、DeepSeek V4 Pro和DeepSeek V4 Flash）夸大了发现故障的严重性，米勒表示，这最终影响了这3个模型所交付结果的整体质量。

米勒的测试发生在一波利用人工智能加速寻找和利用比特币生态系统安全漏洞的攻击浪潮中。

在过去几周，Coldcard、Boltz、ZEUS、BTCPay Server和LNP2Pbot 遭遇了与攻击者利用AI模型识别和利用漏洞相关的安全事件。这些案例没有影响比特币协议本身，而是影响了在网络之外运营的产品和服务。

这一系列事件促使比特币红队，一个专注于寻找比特币开源项目安全漏洞的开发者团队，发起了一项大规模的AI辅助审计。

比特币红队的审计已经覆盖了300多个开源代码库，从这项工作中产生了米勒用于自己对7个AI代理测试的5个漏洞，以及该研究小组发现的其他8000个漏洞，正如CriptoNoticias所报道的那样。

在米勒测试的7个代理中，4个是开源的，分别是Kimi K3、DeepSeek V4 Pro、DeepSeek V4 Flash和Qwen 3.8。这意味着训练它们的公司公开了其参数，任何用户都可以下载并在自己的设备上运行，而无需依赖这些公司的批准。

其他3个代理，Grok 4.6、GPT-5.6 Sol和Fable是封闭的，因此只能通过开发它们的公司的平台或应用程序接口（API）使用。

这种开源模型和封闭模型之间的区别对比特币生态系统的安全性至关重要。由于在每个公司的自有服务器上运行，封闭模型使其创建者能够保持活跃的安全过滤器，这也是导致GPT-5.6 Sol和Fable在此次测试中拒绝处理漏洞的原因。

而开源模型则可以在本地计算机上运行，并由任何用户修改，这使得可以删除这些安全过滤器。攻击者可能会使用这些模型的无约束版本来协助对比特币生态系统平台的真实攻击，而任何外部过滤器都无法阻止这种情况。

米勒的测试表明，尽管人工智能在检测漏洞方面取得了进展，但在分类和准确修复漏洞时，各模型之间仍存在显著差异，无论是在每个模型的美元支出上，还是在它们所应用的标准上。

本内容仅供参考，不构成任何金融、投资、法律或税务建议。文中提及的任何活动、奖励、线上活动或相关信息，不应被视为对购买、出售或交易任何加密资产的推荐、招揽或邀请。加密资产具有高波动性，存在价值损失风险。WEEX服务、产品及相关活动的可用性可能因地区而异。用户在参与前有责任确保符合当地适用法律法规。