Anthropic玻璃翼计划：37966条候选漏洞仅217条修复
sina qqZone renren ydCloud 0
程浅 发自 凹非寺 量子位 | 公众号 QbitAI
AI找漏洞这件事，最近呈现出相当割裂的两面。
一头是AI一出手就翻了个底朝天，先挖出PHP底层的重大安全漏洞，又扒出948个Linux内核漏洞……
另一头，开源社区快要被整崩溃了：漏洞你找出来了，倒是修啊！
网络安全公司VulnCheck昨天交出了一份成绩单，对象是
Anthropic的玻璃翼计划（Project Glasswing）。
成绩单上写着：玻璃翼计划推出七个月，Claude累计挖出37966条候选漏洞。
可公开记录里，至今只有217条被修复。
VulnCheck由此发问：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”。
按照这一计划，Claude将被用来大范围排查关键软件和开源项目里的安全漏洞，并与科技企业、开源维护者联手推进修复，争取在这些隐患被利用之前就将其清除。
取名寓意有二。
安全漏洞往往像玻璃翼蝶那样近在眼前，却几十年没人察觉；而透明本身也能起到防护作用，Anthropic想借更透明的安全研究与漏洞披露机制，让软件系统得到更周到的保护。
△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？
VulnCheck持续追踪的数据显示，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。
修复数量因统计口径不同而存在些许出入，但双方在一点上看法一致：AI以这样的强度挖漏洞，人工审核根本跟不上。
Anthropic自己对此早有察觉，官方也承认，人工验证能力严重不足，漏洞的审核与披露效率因此被大幅拖慢。10月8日，它上线了一项名为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，模型生成的漏洞报告会直接发到维护者手上，无需再等Anthropic安排人工审核。
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。
这组数据差距之下，最难受的是开源维护者。VulnCheck就拿网络数据传输工具curl举例。
11月初，curl维护者Daniel Stenberg又收到Anthropic送来的一份大礼包——45份漏洞报告。
更早之前，Daniel就在博客里写过，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.）——Daniel Stenberg
面对如此多的报告，Daniel宣布调整curl的安全漏洞处理规则：低危、中危漏洞改在GitHub上公开讨论，让更多社区开发者参与审核。
curl目前已公开的34份报告中，19份被认定不构成安全漏洞，6份确认为低危漏洞。
VulnCheck的报告话说得有些含蓄：之前不是说全是严重危害吗，如今看来，玻璃翼除了给人平添审核工作量，似乎没太大用处？
不过，Anthropic确实给curl挖出过一个严重漏洞。
今年9月，Anthropic借助Claude发现了curl的一处Use-After-Free内存错误。在特定条件下，恶意服务器甚至可能借此实现远程代码执行。
Daniel称，这是curl多年来最严重的漏洞之一。
话说回来，VulnCheck这份报告其实也很像给自家打广告——它批评玻璃翼的那些问题，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，可能有人会问：既然Claude这么强，发现问题时为什么不顺手把它修好？
其实，Anthropic已经让AI生成候选补丁了。
只是开发者被AI修Bug折腾得够久了……“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，有时几乎等同于自己重新写一份。
往往是“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，结果修好一个Bug，又带来十个新问题。
“AI非常擅长添加事物，但它却意识不到事物也可以被移除……”
说到底，眼下这些最强模型挖出来的坑，还得靠人来填。
