AI 自己动手了：挖漏洞、写框架、搞勒索

第一个全自动 AI 勒索攻击出现了，但攻击者忘了保存解密密钥

这条让我有点冒冷汗——安全厂商 Sysdig 记录到了首个由 AI 智能体全自动完成的勒索攻击，从漏洞利用到加密数据库，全程没人插手。

他们把攻击者命名为 JADEPUFFER。攻击链条是这样的：先利用一个暴露在公网的 Langflow 服务漏洞（CVE-2025-3248）拿到主机权限，然后自动搜刮 OpenAI、DeepSeek 等大模型的 API 密钥，以及 阿里云、AWS 等云平台的登录凭证。接着通过 Nacos 的旧漏洞（CVE-2021-29441）横向移动到另一台生产服务器，把数据库加密了。

但有个黑色幽默的细节：加密密钥只打印到了终端上，没保存。也就是说，受害者就算想付赎金，也解不了锁。

这事有意思的地方不在技术多高明——用的都是已知漏洞，攻击手法也不新鲜。真正值得留意的是，整个决策链条是 AI 自己跑的：发现漏洞、利用、横向移动、加密，每一步都是智能体自己判断和执行。以前我们说 AI 攻击，多半是 AI 帮人写恶意代码或者生成钓鱼邮件，这次是 AI 自己当攻击者。

当然，这条得先打个折。Sysdig 是安全厂商，有动力把威胁说得严重一些。而且目前只记录到这一例，不代表 AI 勒索已经规模化。但方向是明确的：AI 智能体正在从"帮人干活"变成"自己干活"，安全边界得重新想了。

AI 自己写的训练框架，8 小时追平 Megatron-LM，两天后反超

面壁智能开源了一个叫 ForgeTrain 的预训练框架，代码全由 AI 生成，人工一行没改。它能针对特定模型和硬件从零自动生成训练代码，8 小时内性能追平 Megatron-LM，跑 1.5 到 2 天后稳定反超，FLOPS 利用率高出 8% 到 10%。

已经在 MiniCPM4-0.5B 和 8B 上跑过，支持 H100 和 昇腾 NPU。整个流程靠 AI 自己迭代优化，不需要人工调参。

说实话，这个方向比单个模型刷榜更有意思。训练框架一直是 AI 基础设施里最吃人工的部分，Megatron-LM 这种级别的框架需要大量专家花几年打磨。如果 AI 能在几天内自动生成一个性能更好的替代品，那意味着训练效率的优化本身也可以被自动化了。

但有个明显的限制：目前只在 0.5B 和 8B 这种小模型上验证过，大模型表现未知。小模型和大模型的训练瓶颈不一样，通信开销、显存管理这些在小规模下不明显的问题，到千亿参数级别会变得很要命。所以"追平 Megatron-LM"这个结论，暂时只能在小模型范围内成立。

Claude Mythos 发布后，高危漏洞披露量飙到平时的 3.5 倍

Epoch AI 的数据显示，2026 年 6 月各大机构公开了约 1500 个高危和严重级别的 CVE 漏洞，这个数字是 Mythos 发布前单月最高纪录的 3.5 倍还多。

Anthropic 在 4 月宣布 Claude Mythos 预览版能自己找软件漏洞，其"玻璃翼计划"的合作方——包括 微软、谷歌、苹果和 AWS——声称已用它发现超过 1 万个高危漏洞。

这个数字看着很吓人，但我会先打个折。文章没拆开哪些是模型新挖的、哪些是积压补录的。Mythos 发布后，大厂很可能把之前内部攒着没公开的漏洞一次性披露了，这部分增长跟 AI 的发现能力无关。另外，漏洞披露本身有滞后性，6 月的数字可能包含了前几个月的积累。

不过方向是对的。AI 找漏洞的效率确实比人高，尤其是内存安全、逻辑错误这类可以模式化的漏洞类型。如果 Mythos 真的能稳定挖出高危漏洞，那软件安全的攻防节奏会被彻底改变——不只是攻击者用 AI，防守方也在用。

Safari 给 AI 编程助手开了个后门，但得装技术预览版

WebKit 在 Safari Technology Preview 247 里塞进了一个 MCP 服务器，你的 AI 编程助手——比如 Claude、Cursor 这类——现在能直接连上 Safari 窗口干活了。

它能自己读网页的 DOM 结构、抓网络请求、截图、看控制台输出，省得你来回切窗口手动查 bug。官方举了五个典型场景：在 Safari 里开发网页时让 AI 直接看渲染结果、调试网络请求、检查控制台报错、截图对比 UI，以及自动化测试。

这个思路挺实用。前端调试一直是个割裂的体验——代码在编辑器里，效果在浏览器里，AI 只能看到代码看不到渲染结果。Safari 这个 MCP 服务器相当于把浏览器的"眼睛"借给了 AI。

但有个关键限制：正文没提稳定版 Safari 什么时候能用，现在得装技术预览版。技术预览版不是给普通用户用的，稳定性没保证。所以这条更像是"方向对了，但还没到能用的时候"。

网信办给 AI 服务单开一章，要求公示技术原理和训练数据来源

国家网信办 7 月 3 日再次就《互联网信息服务管理办法》修订草案征求意见，这次最大的变化是新增了"智能信息服务"专章。这是 AI 服务第一次被单独拎出来管。

草案要求 AI 服务提供者公示技术原理、运行机制和训练数据来源；用 AI 生成合成的内容必须打上标识，而且不能删改或隐藏这些标识。算法推荐不能强推给用户，要有人工干预和用户自己选的入口。另外，平台要建网络暴力信息特征库和案例库，超过一定规模的平台还得每年出社会责任报告。

有意思的是"公示技术原理"这个要求。"基本原理"要公示到什么程度还没说死——是像论文那样公开架构和训练方法，还是给个笼统的描述就行？如果是前者，对闭源模型厂商会是很大的合规压力。训练数据来源的公示也有类似的问题：是列出数据集的名称，还是得说明数据采集方式、清洗流程？

这条还在征求意见阶段，最终版本可能有调整。但方向很明确：AI 服务的监管框架正在从"参照现有互联网规则"变成"单独制定规则"。

Fable 5 禁售 18 天，Anthropic 份额被 GLM-5.2 吃掉

今天最硬核的数据来自对 OpenRouter 上 446 个模型的 token 级流量追踪。Fable 5 被禁的 18 天里，Anthropic 的市场份额从 20.7% 跌到了 17.6%，是唯一一家没跟着大盘增长的大模型厂商。

最大赢家是 GLM-5.2，靠着 MIT 开源许可和只有别人十分之一的价格，两周内份额翻了四倍冲到 7.4%。不过先别激动——GLM-5.2 的 token 消耗跟 Opus 4.8 差不多，实际省钱幅度得打折。

这个数据实锤了禁售的冲击。Anthropic 之前靠 Fable 5 在编程场景建立了很强的口碑，禁售直接打断了这个势头。GLM-5.2 吃掉的份额不一定是 Anthropic 的直接用户，但开源 + 低价的组合在开发者社区确实好使。

值得留意的是，OpenRouter 的数据主要反映开发者和个人用户的偏好，企业级市场的情况可能不一样。企业客户换模型有合规、安全、集成的成本，不会因为一个模型便宜就马上切。

今日小信号

• 阿里内部要禁 Claude Code：路透社说阿里计划禁止员工在工作环境里用 Claude Code，理由是后门风险。但付费墙挡住了具体细节，禁多久、禁哪些部门、后门指什么全没看到。这条先别太激动。
• AI 每周帮你省一小时，但钱没进你口袋：丹麦研究人员把 2.5 万名员工的 AI 使用调查和工资单对了一下，发现 AI 每周大约能省 2.8% 的工作时间，也就是一小时左右，但只有 3% 到 7% 的效率提升最终反映在了工资上。实验室里 AI 能让单项任务提速 40%，但被开会、切换任务和检查 AI 产出的时间一稀释，就只剩几个百分点。
• Wafer 在 AMD MI355X 上跑 GLM-5.2，成本不到 Blackwell 的一半：单节点吞吐量做到每秒 2626 token，首 token 延迟控制在 0.81 秒以内。速度大约是 B200 的八成，但每块钱能买到的性能更高。不过缺少具体定价和可用区域，"便宜一半"这个数得先打个折。
• Simon Willison 的省钱技巧：让 Fable 自己判断什么时候把写代码的活派给更便宜的模型。他试了之后说活没少干，但 Fable 的额度烧得慢多了。思路挺实用，但缺少具体的 token 节省比例或成本数字。
• 生数科技发布 Vidu S1：一张图就能跟 AI 打视频电话，语音指挥画面怎么变。540P 下跑到 25 FPS，最高能到 42 FPS。但正文没提延迟和实际对话质量，这点先别太激动。