Claude狂挖3.8万个漏洞，竟然管挖不管埋？
目前，curl已经公开的34份报告里，19份被判定不构成安全漏洞，6份确认属于低危漏洞。
最近AI找Bug这事儿有点太割裂了。
这一边，AI一朝出手倒查所有，先挖出了个PHP底层重大安全漏洞，又扒出948个Linux内核漏洞……
另一边，开源社区都快被整崩溃了：你把漏洞找出来了，你倒是修啊！
昨天，网络安全公司VulnCheck发布了一份关于
Anthropic玻璃翼计划（Project Glasswing）的成绩单。
上面显示，在玻璃翼计划推出七个月后，
Claude已累计挖出了37966条候选漏洞。
但截至目前，公开记录上只有217条被修复。
VulnCheck不禁质疑，当初那个轰轰烈烈的网络安全“Mythos时代”，真的到来了吗？
3.8万个漏洞，究竟修好了多少？
先帮大家回忆一下Anthropic今年4月高调宣传推出的“玻璃翼计划”。
该计划旨在利用Claude大规模挖掘关键软件及开源项目中的安全漏洞，联合科技企业、开源维护者推动漏洞修复，抢在被利用之前消除安全隐患。
取名寓意有二。
一方面，安全漏洞就像玻璃翼蝶一样，藏在人眼皮底下，数十年无人发现；另一方面，透明本身也是一种保护，Anthropic希望通过更透明的安全研究和漏洞披露机制，让软件系统获得更好的防护。
玻璃翼蝶，学名宽纹黑脉绡蝶｜图源wikipedia
启动之初，Anthropic宣称要提供1亿美元的模型使用额度和400万美元的开源安全捐款，同时还宣布它们的网络安全王炸模型Claude Mythos Preview已发现了数千个高危和严重漏洞。随后一呼百应，苹果、谷歌、微软、AWS、英伟达纷纷加入。
但果真如此吗？
根据VulnCheck持续追踪的数据，截至11月初，Anthropic的候选发现已达37966条，但漏洞披露台账中标记为已修复的仅有217条。
与此同时，作废数据还在堆积，漏洞撤回项419条，重复项高达1654条。
图源VulnCheck
这种差距还在加速扩大。
仅在最近两个月内，候选漏洞就暴增了近1.2万条，但已修复记录却仅微弱新增了15条。
此外，VulnCheck追踪到的442个归因于Anthropic的CVE，仅占2026年全球公开CVE总量的0.5%。
△图源VulnCheck
而据Anthropic官方披露的数据显示，截至11月2日，37966项候选发现中，6376条经过外部安全专家审核，有6009项发现为有效，其中已有5087项发现向软件维护者报告，629项已获得上游补丁。
尽管由于数据口径不同使得修复数量有些许差异，但有一件事，双方倒都发现了。
那就是以AI挖漏洞的这个强度，人工审核根本吃不消。
Anthropic自己早就意识到了这一点，官方也坦承，人工验证能力的严重瓶颈，极大地限制了漏洞的审核与披露效率。
于是在10月8日，它推出了一项名叫OSS Scanner的服务。
开源项目维护者可以主动报名让Claude免费扫描自己的代码，这样模型生成的漏洞报告可以直接发给维护者，不必再等待Anthropic组织人工审核了。
开源维护者修不过来
AI正在逼我们立即还清拖欠40年的技术债。
这个数据差的背后，最受罪的是开源维护者们，就比如VulnCheck举了网络数据传输工具curl的例子。
11月初，curl维护者Daniel Stenberg又收到了一份来自Anthropic的大礼包，45份漏洞报告。
而早在此之前，Daniel就在博客中写道，核心维护者已经被源源不断涌来的报告压得喘不过气。
我们的目标是别被淹死。（We aim to not drown.）
为了应付这么多报告，Daniel宣布修改curl的安全漏洞处理规则。低危、中危漏洞改为在GitHub上公开讨论，让更多社区开发者帮忙审核。
目前，curl已经公开的34份报告里，19份被判定不构成安全漏洞，6份确认属于低危漏洞。
VulnCheck的报告就暗戳戳地说了，之前不是说全是严重危害吗，怎么现在，玻璃翼除了给人平添审核工作量外好像没太有用？
但其实Anthropic真给curl挖出过一个严重漏洞。
今年9月，Anthropic借助Claude发现了curl的一个Use-After-Free内存错误。在满足特定条件时，恶意服务器甚至可能借此实现远程代码执行。
Daniel称，它是curl多年来最严重的漏洞之一。
所以话说回来了，VulnCheck的这篇报告，其实也很像给自家打的广告，因为它所批评的玻璃翼的问题，也恰好与自家提供的漏洞情报、优先级管理服务高度契合……
One More Thing
聊到这里，可能有人会想，既然Claude这么强，为啥发现问题的时候不直接把它顺手修好呢？
实际上，Anthropic已经让AI生成候选补丁了。
只不过，开发者苦AI修Bug久矣......“让LLM生成修复程序确实不难，难的是开源项目愿不愿意采用。”
审核一份AI补丁的工作量，有时几乎相当于自己重新写一份。
常常是“点亮一根蜡烛照亮更多黑暗”，AI发现一个问题开始修复，为了修复，又往代码里加入更多复杂逻辑，最后修好了一个Bug，又带来了十个新问题。
“AI非常擅长添加事物，但它却意识不到事物也可以被移除……”
所至少现在，这些最强模型挖的坑，还要人类来填。
