TL;DR： 英国AI安全研究所（AISI）最新评估显示，开源与闭源模型在网络攻防能力上的差距已缩短至4-7个月，且开源模型在极高性价比下展现了破坏性的攻击潜力。这一“能力-成本”结构的失衡标志着依靠模型封闭性获取安全优势的时代已告终结，防御范式必须从“边界防御”彻底转向“自动化主动审计”。
消失的安全护城河：开源的进化速度
长期以来，闭源模型开发者（如OpenAI、Anthropic）将“能力差距”视为天然的防火墙，认为只有最强大的模型才具备制造大规模网络威胁的能力。然而，AISI的最新报告以量化数据无情打破了这一幻想。模型如DeepSeek V4-Pro与GLM-5.2在多步骤攻击链（Cyber Range）上的表现，证明了开源生态追赶前沿闭源模型（如Opus 4.5/4.6）的速度正在加速。
从商业敏锐度的角度审视，开源模型的致命之处不仅在于能力的接近，更在于其降维打击的成本结构。在执行同等复杂的网络渗透任务时，开源模型的调用成本较闭源前沿模型低了一个甚至两个数量级。这种边际成本的崩塌，意味着攻击者可以轻易大规模部署AI代理进行“穷举式”漏洞扫描，而无需承担高昂的API费用。
攻击的民主化与防御的非对称性
AISI的测试揭示了一个残酷的现实：攻击前沿的扩散是不可逆的。一旦权重开源，模型即成为某种意义上的“数字公共资产”，其内置的“安全护栏”在针对性越狱策略（如Fable 5事件中所见）面前显得极其脆弱。
防御方目前正处于一个极端被动的境地。正如资深开发者Glenn Fiedler通过AI对数千行老旧代码库的审计所证实，虽然AI同样能被用于防御——通过自动化CI/CD流程修复陈年漏洞，但防御的部署依赖于每一位开发者、每一个企业的自觉投入，而攻击者的AI引擎一旦运行，便具备了无远弗届的扩张性。这种结构性的“防御时差”，使得防御方的战线极易被单点突破。
重新定义防御范式
面对“开源攻击力”的常态化，依靠安全分类器（Safety Classifier）拦截恶意指令的传统防御手段已走到尽头。
- 从护栏到免疫：未来的防御重心必须从“输入层过滤”转变为“运行时免疫”。利用AI进行代码形式验证、内存安全审计（如AddressSanitizer的AI自动化），才是应对AI驱动漏洞生成的唯一路径。
- 成本博弈的终局：由于开源模型极其廉价，未来的网络战争将不再是“智力”的对决，而是“算力密度”的竞争。谁能以更低的成本构建实时监控与自动修复系统，谁就能在这一新周期中掌握主动权。
未来展望：政策与技术的博弈
我们正在进入一个由AI定义网络生存环境的时代。政策制定者面临的最尖锐问题是：当开源模型在安全测试中不断触碰“危险水位”时，出口管制与开源许可协议之间的界限何在？当差距缩短至4个月以内，所谓的“独占性安全缓冲”已失去意义，这也意味着我们必须重新评估AGI发展进程中的透明度悖论——完全的开源可能意味着完全的暴露，而完全的闭源则无法阻止能力的内生性爆发。