最新的Anthropic Fellows项目研究结果呈现出令人警醒的现实：人工智能模型已经突破了关键能力门槛，现在可以自主识别并利用智能合约中的漏洞，且具有可衡量的精准度。由包括Sam Winkler等贡献者在内的团队领导的研究表明，前沿的AI模型不仅仅是理论上的威胁——它们已经具备发起攻击的能力，其复杂程度可与去中心化金融中人类主导的攻击相媲美。这一转变的影响远远超出学术界的担忧。随着这些AI系统部署成本的降低和推理能力的提升，经济学基础重新塑造了每个依赖公开可见、可变现漏洞的区块链和软件系统的威胁格局。## 前沿模型成功执行完整攻击场景由ML Alignment & Theory Scholars Program（MATS）和Anthropic Fellows合作进行的一项研究，测试了最先进的模型——GPT-5、Claude Opus 4.5 和 Sonnet 4.5——在SCONE-bench上的表现，该数据集包含405个曾被利用的智能合约。结果十分惊人：这些模型不仅仅是标记出有问题的代码，它们还合成了完整、可执行的攻击脚本，战略性地排序交易，并在模拟的流动池中抽取资金，其攻击模式与Ethereum和BNB链上的实际攻击相似。集体输出尤为引人注目：模拟攻击总价值达460万美元，针对的是模型知识截止后仍存在的合约。这一数字意味着，如果将当前一代AI部署到实际系统中，理论上它们可能盗取的资金下限。## 零日漏洞发现证明自主漏洞检测有效真正的突破在于，研究人员测试AI代理是否能识别之前未知的漏洞。GPT-5和Sonnet 4.5扫描了2,849个新部署、未曾被攻破的BNB链合约。模型发现了两个此前未知的缺陷，模拟利润达3694美元。第一个漏洞源于公共函数中缺少视图修饰符——一个微妙的疏忽，导致代理可以人为地膨胀其代币余额。第二个缺陷则通过接受任意受益地址，创建了一个费用重定向的漏洞。在这两种情况下，AI模型都生成了功能性攻击代码，将这些设计缺陷转化为即时的金钱收益。这一发现尤为重要的原因在于经济性：运行整个合约集的自主代理成本仅为3476美元，平均每次执行成本为1.22美元。这一效率基准在评估未来威胁场景时变得至关重要。## 自动化攻击的经济性持续改善真正的故事不在于今天的攻击成本，而在于未来的轨迹。随着AI模型成本的下降和工具使用能力的成熟，成本收益的计算将决定全面自动化的趋势。研究表明，这一转变将缩短智能合约部署与潜在利用之间的时间窗口，尤其是在DeFi环境中，资本公开链上，盈利漏洞可以在几秒钟内变现。目前的经济形势已经倾向于自动化。当运行一个自主攻击代理的成本刚刚超过1美元，而潜在收益可以达到数千美元时，激励机制就会吸引大量不法分子。随着模型成本趋近于零，即使是收益有限的漏洞也会成为自动化攻击的目标。## 超越DeFi：更广泛基础设施中的漏洞虽然这项研究特别关注去中心化金融，但其底层能力并非特定于某一领域。使代理能够操控代币余额或重定向费用的推理模式，可以直接应用于传统软件、闭源代码库以及更广泛支持加密市场的基础设施。随着模型成本的持续下降和工具集成的改善，自动化漏洞扫描必然会扩展到公共区块链之外。同样的AI能力可以针对任何提供通向有价值资产路径的服务或系统——从中心化交易所基础设施、桥接协议到机构托管解决方案。## 防御与进攻的时间线变得至关重要这些研究结果被视为警示而非预测。AI模型现在可以执行过去只有顶级攻击者才能完成的任务。去中心化金融中的自主利用已不再是假设——它成为了现实的能力差距。当前紧迫的问题是，防御技术是否能与进攻性AI能力同步发展。从被动防御到主动防御的窗口正逐渐缩短。开发者必须优先考虑自动化安全扫描、形式验证和韧性合约设计模式，以防AI代理在大规模环境中使利用的经济学变得无法抗拒。
AI 代理接近真正的去中心化金融（DeFi）利用风险。由 Sam Winkler 和 Anthropic 团队进行的研究显示，随着这些智能代理的不断发展，它们可能会在未来引发严重的安全和利用问题。研究指出，虽然这些 AI 代理在自动化交易和管理方面具有巨大潜力，但也存在被恶意利用或操控的风险，可能导致资金损失或系统崩溃。专家们建议加强对 AI 代理的监管和安全措施，以防止潜在的滥用和危机。
最新的Anthropic Fellows项目研究结果呈现出令人警醒的现实：人工智能模型已经突破了关键能力门槛，现在可以自主识别并利用智能合约中的漏洞，且具有可衡量的精准度。由包括Sam Winkler等贡献者在内的团队领导的研究表明，前沿的AI模型不仅仅是理论上的威胁——它们已经具备发起攻击的能力，其复杂程度可与去中心化金融中人类主导的攻击相媲美。
这一转变的影响远远超出学术界的担忧。随着这些AI系统部署成本的降低和推理能力的提升，经济学基础重新塑造了每个依赖公开可见、可变现漏洞的区块链和软件系统的威胁格局。
前沿模型成功执行完整攻击场景
由ML Alignment & Theory Scholars Program（MATS）和Anthropic Fellows合作进行的一项研究，测试了最先进的模型——GPT-5、Claude Opus 4.5 和 Sonnet 4.5——在SCONE-bench上的表现，该数据集包含405个曾被利用的智能合约。结果十分惊人：这些模型不仅仅是标记出有问题的代码，它们还合成了完整、可执行的攻击脚本，战略性地排序交易，并在模拟的流动池中抽取资金，其攻击模式与Ethereum和BNB链上的实际攻击相似。
集体输出尤为引人注目：模拟攻击总价值达460万美元，针对的是模型知识截止后仍存在的合约。这一数字意味着，如果将当前一代AI部署到实际系统中，理论上它们可能盗取的资金下限。
零日漏洞发现证明自主漏洞检测有效
真正的突破在于，研究人员测试AI代理是否能识别之前未知的漏洞。GPT-5和Sonnet 4.5扫描了2,849个新部署、未曾被攻破的BNB链合约。模型发现了两个此前未知的缺陷，模拟利润达3694美元。
第一个漏洞源于公共函数中缺少视图修饰符——一个微妙的疏忽，导致代理可以人为地膨胀其代币余额。第二个缺陷则通过接受任意受益地址，创建了一个费用重定向的漏洞。在这两种情况下，AI模型都生成了功能性攻击代码，将这些设计缺陷转化为即时的金钱收益。
这一发现尤为重要的原因在于经济性：运行整个合约集的自主代理成本仅为3476美元，平均每次执行成本为1.22美元。这一效率基准在评估未来威胁场景时变得至关重要。
自动化攻击的经济性持续改善
真正的故事不在于今天的攻击成本，而在于未来的轨迹。随着AI模型成本的下降和工具使用能力的成熟，成本收益的计算将决定全面自动化的趋势。研究表明，这一转变将缩短智能合约部署与潜在利用之间的时间窗口，尤其是在DeFi环境中，资本公开链上，盈利漏洞可以在几秒钟内变现。
目前的经济形势已经倾向于自动化。当运行一个自主攻击代理的成本刚刚超过1美元，而潜在收益可以达到数千美元时，激励机制就会吸引大量不法分子。随着模型成本趋近于零，即使是收益有限的漏洞也会成为自动化攻击的目标。
超越DeFi：更广泛基础设施中的漏洞
虽然这项研究特别关注去中心化金融，但其底层能力并非特定于某一领域。使代理能够操控代币余额或重定向费用的推理模式，可以直接应用于传统软件、闭源代码库以及更广泛支持加密市场的基础设施。
随着模型成本的持续下降和工具集成的改善，自动化漏洞扫描必然会扩展到公共区块链之外。同样的AI能力可以针对任何提供通向有价值资产路径的服务或系统——从中心化交易所基础设施、桥接协议到机构托管解决方案。
防御与进攻的时间线变得至关重要
这些研究结果被视为警示而非预测。AI模型现在可以执行过去只有顶级攻击者才能完成的任务。去中心化金融中的自主利用已不再是假设——它成为了现实的能力差距。当前紧迫的问题是，防御技术是否能与进攻性AI能力同步发展。
从被动防御到主动防御的窗口正逐渐缩短。开发者必须优先考虑自动化安全扫描、形式验证和韧性合约设计模式，以防AI代理在大规模环境中使利用的经济学变得无法抗拒。