AI 编程实时动态与要闻

Epoch AI 实验:开源权重模型 GLM 5.3 利用“补丁空窗期”自主攻破 6 个 Firefox 版本,每个约 1000 美元

Epoch AI 10 月 29 日发布报告:在刻意简化、模拟低水平攻击者的设置下,Z.ai 8 月发布的开源权重模型 GLM 5.3 读取已公开但尚未推送给用户的安全修复,自主为 9 月 17 日至 10 月 26 日的 6 个 Firefox 版本写出“打开网页即可读取本地文件”的攻击链,每个版本边际成本约 1000 美元,最快 12 小时完成。Mozilla 已在 10 月 27 日的 Firefox 159.0 中修复其中一个此前未公开的漏洞。

Epoch AI 实验:开源权重模型 GLM 5.3 利用“补丁空窗期”自主攻破 6 个 Firefox 版本,每个约 1000 美元

核心要点速览

  • 6/6:9 月 17 日至 10 月 26 日发布的 6 个 Firefox 版本全部被攻破,只用各版本发布时已公开的信息(Epoch 报告)
  • 每个版本边际成本约 1000 美元,给了 48 小时上限,最快 12 小时;含环境搭建在内的 Firefox 研究总花费超过 10 万美元
  • 模型还每次都自行重新发现一个未公开漏洞,Mozilla 已在 10 月 27 日的 Firefox 159.0 中修复
  • 通过官方和第三方 API 调用全程没有触发任何拒答或安全拦截
  • 同样方法花约 10 万美元尝试 Chrome 未成功,Epoch 说明这不代表 Chrome 安全
阅读全文
关联模型 / 智能体 / 厂商:

Epoch AI 推出 Benchmark Reviews:首批审计 15 个 AI 基准,4 个可信、9 个有缺陷

Epoch AI 推出 Benchmark Reviews 计划,对 AI 基准测试本身进行质量审计。首批 15 个基准中,4 个被判定为 Verified、9 个为 Flawed、2 个因信息不足无法评审,帮助开发者更谨慎地解读模型与智能体排行榜。

核心要点速览

  • 首批覆盖 15 个 AI 基准:4 个 Verified、9 个 Flawed、2 个 Not Enough Info。
  • 评审针对具体基准版本,并公开方法与局限,避免把有缺陷的分数当成能力事实。
  • 对模型选型、编码基准与智能体评测而言,基准质量审计可降低排行榜误导风险。
阅读全文
关联模型 / 智能体 / 厂商:

Epoch AI 发布《杀戮尖塔》智能体评测:GPT-5.6 Sol 胜过新手,但长程策略决策仍存短板

非营利研究机构 Epoch AI 对 GPT-5.6 Sol 开展了《杀戮尖塔》全角色深度测试。Sol 能在 4 个角色上以不到 10 次阵亡通关低进阶(A4–A9),视觉点击与操作无碍,但因大局规划与战术失误导致高进阶(A20)胜率仍远逊人类专家。

核心要点速览

  • 计算机使用(Computer Use)基础能力扎实:模型能准确理解游戏卡牌、血量与遗物状态并稳定点击;
  • 长程策略与时延成为瓶颈:单局成功通关需要 5–8 小时多步思考,且容易因全局路线规划失误错失胜机;
  • Epoch AI 已开启在《杀戮尖塔 2》上的新一轮基准评测,并在 Twitch 平台向全球开发者实时直播。
阅读全文
关联模型 / 智能体 / 厂商: