###TL;DR：
一个代号“MopMonk”（扫地僧）的神秘中国AI，没有发布会、没有官网、没有社交媒体账号，却凭一己之力杀入全球最硬核的AI安全榜单前七，把OpenAI都吓出一身冷汗。这背后的技术秘密，可能比“堆参数”更有价值。
这届AI奥运会，来了个“查无此人”的选手
这几天，全球AI圈最劲爆的八卦，不是谁又融了多少钱，也不是哪个大模型又刷榜了，而是——一个连官网都没有的神秘AI，突然杀入了全球前七。
这事儿有多离谱？
想象一下，你正看着NBA总决赛，乔丹、詹姆斯、科比（AI版）打得正欢，突然一个穿着拖鞋、端着保温杯的大爷走进球场，随手一个三分球，直接把比分追平了。
这位“大爷”，就是MopMonk（扫地僧）。
它参加的比赛叫CyberGym，一个由UC Berkeley打造的AI网络安全能力评估基准，被誉为“AI安全领域的奥运会”。能在这上面排上号的，清一色都是硅谷大佬：OpenAI、Anthropic、Google、Meta……
而MopMonk，凭借73.1%的成功率，直接杀到了全球第七，中国第一，紧咬着OpenAI的屁股不放。
更魔幻的是，至今没人知道它是谁。没有团队合照，没有公司官宣，只有一个代号、一份技术报告，以及——一颗来自上海的开源基座模型：MiniMax M3。
这简直就像武侠小说里，少林寺藏经阁里那个扫了几十年地、没人记得姓名的老和尚，一出手就镇住了萧远山和慕容博。
“实力顶配，信息裸奔”，这种反差感，太对味儿了。
这台“修罗场”到底有多难？它考的不是“知道”，而是“做到”
你可能好奇，CyberGym到底有多硬核？能让GPT-5.5都在这儿贴身肉搏？
这么说吧，它考的根本不是“你有没有见过这个漏洞”，而是 “你能不能亲手把这个漏洞复现出来”。
CyberGym的考题，全部来自Google OSS-Fuzz沉淀的真实历史漏洞，一共1507个漏洞实例、188个开源大项目。每个项目都有数百万行代码，数千个文件。
AI需要在封闭、断网的环境里，完成以下“骚操作”：
- 读代码、找漏洞点
- 生成一个能触发漏洞的输入（PoC）
- 在“有漏洞的版本”触发，在“已修复的版本”失效
- 通过基准环境的执行验证
这一整套流程，把任务从“理解”直接拽进了“执行”。AI不能求助外部搜索，不能翻资料，只能靠自己的理解力和记忆力，一步步逼近那个临界点。
换句话说，这里比的不是谁的模型“智商”高，而是谁的AI“手脚”更利索。
胜负手，藏在“Harness”里
那么问题来了，MopMonk凭什么赢？
答案可能超乎你的意料——不是靠更大的模型，也不是靠更多的参数，而是靠一个被严重低估的工程组件：Harness。
你可以把模型想象成“大脑”，负责思考“漏洞可能在哪儿，下一步该怎么挖”。
而Harness，就是“手脚加神经系统”，负责把大脑的想法变成一连串真实动作——打开哪个文件、跑哪条命令、拿到报错后怎么调整……
一个聪明的模型配上一个平庸的Harness，结果是“想得到，做不到”；一个扎实的模型配上一个量身定制的Harness，才可能跑出逆天成绩。
MopMonk的Harness，正是为漏洞挖掘量身定制的。
它的“内功心法”有三招：
-
结构化的“漏洞记忆”：它不是简单堆叠聊天记录，而是围绕漏洞目标、代码路径、输入格式等关键对象，组织一份可持续更新的“任务事实记忆”。每次探索都基于证据，而不是盲猜。
-
记忆驱动的“漏洞挖掘”：每次读代码、每次执行结果、每次失败提交，都被转化成下一步生成PoC可复用的约束。把漏洞复现从“反复从零试错”变成了“基于证据的收敛过程”。
-
共享记忆下的“多Agent并行探索”：多个探索尝试共享同一份记忆，从补丁线索、文件格式、边界条件等多个方向同时推进，彼此继承失败经验，避免重复无效的探索。
三招合一，硬生生把一颗强大的开源基座（MiniMax M3），调度成了漏洞挖掘战场上的“特战尖兵”。
基座决定上限，Harness决定兑现多少。
一个比“堆参数”更有价值的判断
MopMonk的出现，给了整个行业一个强烈的信号：
决定AI胜负的，越来越是Agent的执行能力，是Harness这层工程的厚度。
过去几年，大家习惯了“堆参数”：参数越大、模型越强、榜单越高。但CyberGym这种真实攻防任务给出了另一种答案——模型会一代代换，但一套被真实战场反复打磨的Harness，是可以跨越基座迭代、持续复利的资产。
这比“再堆一倍参数”更有价值。
所以，那个神秘“扫地僧”到底是谁？
虽然线索直指上海，直指MiniMax生态，但至今无人能甩出实锤。
但不管它是谁，它已经示范了一条路：把开源基座用到极致，用工程深度弥补模型短板，照样能在高手云集的“奥运会”上，杀出一条血路。
你觉得，MopMonk会是谁家的高手？评论区，等你来爆料。