开源模型网络攻击能力追上四个月前闭源前沿，成本仅几分之一，英国AI安全机构警告

一句话看懂

英国AI安全研究院发现，开源权重模型（如GLM-5.2、DeepSeek V4-Pro）的网络攻击能力已追上四至七个月前闭源前沿模型，成本却低得多，安全防护形同虚设。

详细发生了什么

英国AI安全研究院（AISI）发布最新报告，警告开源权重模型在网络攻击能力上正快速逼近闭源前沿模型。以GLM-5.2和DeepSeek V4-Pro为代表的开源模型，目前仅落后闭源前沿模型四至七个月，而2025年初这一差距为六至十个月。这意味着开源模型的能力追赶速度在加快。

报告还指出，开源模型上的安全措施（如拒绝有害请求的过滤）基本无效，攻击者可以轻易绕过。这给防御者留下的准备时间更少，因为开源模型一旦发布，任何人都可下载并用于恶意目的，且成本仅为闭源模型的几分之一。

AISI强调，虽然闭源模型在绝对能力上仍领先，但开源模型的低成本和高可及性使其成为网络攻击的潜在利器。该机构呼吁加强开源模型的安全评估和部署防护。

中文圈视角

对中文用户而言，这一发现具有直接现实意义。首先，GLM-5.2（智谱AI）和DeepSeek V4-Pro（深度求索）均为国产开源模型，其网络攻击能力的提升意味着国内企业面临更大的安全威胁——攻击者可能利用这些模型生成恶意代码、钓鱼邮件或自动化漏洞利用。

其次，国产模型在安全防护方面与国外开源模型处于同一水平，甚至更弱。目前国内主流开源模型（如Qwen、Yi系列）的安全机制多依赖关键词过滤或简单拒绝，与AISI测试的模型类似，容易被对抗性提示绕过。中文用户需要意识到，开源模型的安全责任更多落在部署者身上，而非模型开发者。

此外，国内监管环境对AI安全的要求日益严格（如《生成式人工智能服务管理暂行办法》），但开源模型的分布式特性使得监管难度极大。对于使用开源模型的企业，建议部署额外的安全层（如内容过滤、行为监控），并关注AISI等机构的评估报告。

一个尚未被广泛讨论的盲点是：开源模型在中文场景下的网络攻击能力可能更强，因为中文语料的特殊性使得现有安全过滤更难覆盖。

几条值得记住的细节

• AISI报告指出，开源模型与闭源前沿的网络能力差距从2025年初的6-10个月缩小到4-7个月。
• GLM-5.2和DeepSeek V4-Pro是报告中提到的具体开源模型。
• 开源模型的安全措施被评估为“基本无效”，攻击者可轻易绕过。
• 开源模型的运行成本仅为闭源模型的几分之一，降低了攻击门槛。
• AISI建议防御者缩短响应时间，并加强开源模型使用前的安全评估。

一句话总结

开源模型网络攻击能力快速逼近闭源前沿，中文用户需警惕国产模型被滥用的风险，并主动加强安全防护。