英国政府旗下人工智能安全研究机构 AI Security Institute（AISI）最新发布的评估显示，OpenAI 新模型 GPT-5.5 在进攻性网络安全能力上已达到当前行业最强梯队，整体表现接近 Anthropic 的 Claude Mythos。报告指出，这一模型不仅能够在受控环境中自主执行复杂的企业网络攻击流程，还在一项极具挑战性的逆向工程任务中，以 10分22秒 的速度完成了原本需要人类安全专家约 12小时 才能完成的工作。
复杂攻击模拟中跻身第一梯队
根据 AISI 披露的数据，GPT-5.5 成为第二个通过其最高难度网络攻防测试的模型。该测试名为 “The Last Ones”，是一套包含 32个步骤 的模拟企业网络攻击场景。在 10次 尝试中，GPT-5.5 成功完成了 2次；而率先完成该测试的 Claude Mythos Preview 则在 10 次中完成了 3 次。
这一测试由 AISI 与网络安全公司 SpecterOps 联合构建，覆盖了真实攻击链条中的多个关键环节，包括侦察、凭证窃取、跨多个 Active Directory 林进行横向移动、通过 CI/CD 流水线进行供应链跳板攻击，最终窃取受保护的内部数据库。AISI 估计，人类专家完成整套流程大约需要 20小时。从这一结果看，前沿大模型已不再局限于提供代码建议或漏洞分析，而是在一定条件下具备了串联多步骤行动、持续推进攻击任务的能力。
逆向工程挑战大幅快于人工
报告中最受关注的结果，来自一项高难度逆向工程谜题。任务要求模型重建一套定制虚拟机的指令集，从零编写反汇编器，并通过约束求解恢复加密口令。AISI 称，GPT-5.5 在该任务中仅用 10分22秒 即完成，API 成本约为 1.73美元；相比之下，一位使用专业工具的人类安全专家大约需要 12小时。
这一结果并不意味着 AI 已在所有现实安全任务上全面超越人类，但它清楚表明，在结构明确、反馈清晰、可迭代求解的高技术门槛任务中，先进模型的效率正在快速逼近甚至超过资深研究人员。对于防御方而言，这可能提升漏洞分析、恶意代码拆解和应急响应速度；但对于攻击方而言，同样意味着攻击工具链的自动化水平将被进一步推高。
整体通过率提升，能力进步并非偶发
在 AISI 的高阶网络安全任务评测中，GPT-5.5 在最困难的 Expert 级别取得了平均 71.4% 的通过率，略高于 Claude Mythos Preview 的 68.6%，也显著高于 GPT-5.4 的 52.4%。从代际比较看，模型在推理、编程和自主执行方面的综合提升，正持续转化为更强的网络攻防能力。
AISI 特别警告称，这种进步可能并非单点突破，而更像是通用能力增强后的自然外溢。如果进攻性网络能力是随着推理、代码生成和长链任务执行能力同步提升的副产品，那么未来类似能力增强可能会在更短时间内连续出现。换言之，行业需要面对的不是某一个模型“过强”的问题，而是整个前沿模型竞赛正在共同抬高网络安全风险门槛。
安全护栏仍存漏洞，越狱问题引发警报
除能力提升外，AISI 还对 GPT-5.5 的安全机制表达了担忧。研究人员发现了一种可绕过模型安全护栏的“通用越狱”方法，能够在所有测试过的恶意网络安全请求中诱导模型输出有害内容，其中也包括多轮、具备代理式执行特征的交互场景。该攻击由专家团队耗时 6小时 红队测试后开发出来。
OpenAI 随后更新了相应的防护体系，但由于配置问题，AISI 未能确认更新后的最终版本是否已经有效修复漏洞。这意味着，即便模型供应商在能力层面不断推进，其安全控制是否能同步跟上，仍然是监管者和企业用户最关心的问题之一。
当然，AISI 也强调，这些能力评估是在受控研究环境中完成的，并不必然等同于普通用户在公开产品中能够直接调用的水平。面向公众部署的系统通常叠加了更多访问控制、使用限制和安全过滤措施。因此，实验室能力与现实可获得能力之间仍存在差距。但从风险管理角度看，这种差距未必会长期存在，尤其是在模型开放程度持续提升的背景下。
市场与行业影响：AI安全赛道或持续升温
这一报告发布之际，英国网络安全形势也在趋紧。英国政府同日发布的年度网络安全调查显示，过去 12个月 内有 43% 的企业遭遇过网络入侵或攻击。为此，英国政府宣布新增 9000万英镑 资金以增强网络韧性，并推动《网络安全与韧性法案》以保护关键服务。同时，官方还提醒企业为 AI 加速发现和武器化软件漏洞所带来的风险上升做好准备。
从市场角度看，这类消息通常会强化两条主线。其一，AI 模型能力跃升将继续推高对网络安全基础设施、威胁检测、身份管理和自动化防御产品的需求，安全软件与企业级防护服务赛道可能因此受益。其二，监管层面对大模型安全、可控性和审计透明度的要求预计将进一步加强，AI 公司在模型发布前后的评估、红队测试与合规披露成本也将上升。
对加密货币行业而言，这种趋势同样值得高度关注。交易所、钱包、跨链桥、托管机构以及 DeFi 协议本身就是高价值攻击目标。如果前沿 AI 模型显著降低了攻击链编排、逆向分析和漏洞利用的技术门槛，那么数字资产平台面临的攻防节奏也可能被进一步加快。反过来看，谁能率先将 AI 用于代码审计、异常行为识别和智能应急，也可能在下一阶段竞争中建立优势。
总体而言，AISI 的评估释放出一个清晰信号：先进大模型正在迅速逼近现实世界中的高端网络攻防能力边界。技术进步带来的生产力提升毋庸置疑，但随着模型在复杂任务中的自主性不断增强，安全护栏、监管框架与企业防御体系能否同步演进，将决定这轮 AI 能力跃迁最终是成为安全助力，还是风险放大器。