Семь агентов ИИ классифицируют и исправляют ошибки в Bitcoin: что они нашли?

• Модели Qwen 3.8, GPT 5.6 и Fable провалились: одна зависла, а две отказались работать.
• 4 из 7 протестированных моделей являются открытыми и могут использоваться без фильтров.

Пол Миллер, разработчик, который поддерживает библиотеки криптографии, используемые в проектах Bitcoin и Ethereum, протестировал 7 агентов искусственного интеллекта (ИИ) для классификации и исправления 5 реальных уязвимостей безопасности, о которых сообщила группа Bitcoin Red Team. Результаты показали значительные различия между моделями как в затратах в долларах на их выполнение, так и в точности их диагностики.

Из 7 оцененных агентов, 3 не смогли завершить задачу. Qwen 3.8 от Alibaba завис во время процесса, без объяснения от Миллера. GPT-5.6 Sol от OpenAI и Fable от Anthropic прямо отказались работать с кодом, как сообщил сам Миллер, несмотря на то, что задача заключалась в идентификации и исправлении ошибок, а не в их эксплуатации.

4 агента, которые завершили работу, Grok 4.6 (xAI), Kimi K3 (Moonshot AI), DeepSeek V4 Pro и DeepSeek V4 Flash (DeepSeek), имели очень разные затраты в долларах по потреблению токенов (инструкции пользователей) при их выполнении:

• Grok 4.6 стоил 4,70 доллара за вычислительные ресурсы.
• DeepSeek V4 Pro стоил 0,30 доллара за ту же задачу, разница составила 15,7 раз (почти 1500%) между самой дорогой и самой экономичной моделью.

Время выполнения также значительно варьировалось. DeepSeek V4 Pro завершил свою работу за 30 минут, Kimi K3 за 40 минут, а Grok 4.6 за 1 час, в то время как DeepSeek V4 Flash потребовалось 3 часа, что в шесть раз (500%) больше, чем DeepSeek V4 Pro для той же задачи.

По словам Миллера, только Grok 4.6 совпал с его собственной оценкой серьезности 5 уязвимостей.

Другие 3 агента, которые завершили работу (Kimi K3, DeepSeek V4 Pro и DeepSeek V4 Flash), преувеличили серьезность найденных ошибок, что, по словам самого Миллера, в конечном итоге повлияло на общее качество результата, который предоставили эти 3 модели.

Тест Миллера происходит на фоне волны атак, использующих искусственный интеллект для ускорения поиска и эксплуатации уязвимостей безопасности в экосистеме биткоина.

В последние недели Coldcard, Boltz, ZEUS, BTCPay Server и LNP2Pbot подверглись инцидентам безопасности, связанным с уязвимостями, которые злоумышленники идентифицировали и эксплуатировали с помощью моделей ИИ. Ни один из этих случаев не затронул сам протокол Bitcoin, а только продукты и услуги, работающие вне сети.

Эта волна инцидентов побудила Bitcoin Red Team, группу разработчиков, занимающуюся поиском уязвимостей безопасности в проектах с открытым исходным кодом Bitcoin, провести массовый аудит с помощью ИИ по экосистеме.

Аудит Bitcoin Red Team уже охватил более 300 репозиториев с открытым исходным кодом, и из этой работы возникли 5 уязвимостей, которые Миллер использовал в качестве основы для своего собственного теста на 7 агентов ИИ, среди других 8000 найденных ошибок этой группы исследователей, как сообщило CriptoNoticias.

Из 7 агентов, которые Миллер протестировал, 4 являются открытыми, Kimi K3, DeepSeek V4 Pro, DeepSeek V4 Flash и Qwen 3.8. Это означает, что компании, которые их обучали, опубликовали свои параметры публично, что позволяет любому пользователю загружать и запускать их на своих собственных устройствах, не полагаясь на одобрение этих компаний.

Другие 3 агента, Grok 4.6, GPT-5.6 Sol и Fable, являются закрытыми, поэтому их можно использовать только через платформу или интерфейс программирования приложений (API) компании, которая их разработала.

Это различие между открытыми и закрытыми моделями имеет значение для безопасности экосистемы биткоина. Запускаясь на собственных серверах каждой компании, закрытые модели позволяют их создателям поддерживать активные фильтры безопасности, такие как те, которые заставили GPT-5.6 Sol и Fable отказаться работать с уязвимостями в этом тесте.

Открытые модели, напротив, могут выполняться на локальном компьютере и модифицироваться любым пользователем, что делает возможным удаление этих фильтров безопасности. Злоумышленник мог бы использовать неограниченную версию одной из этих моделей для помощи в реальных атаках на платформы экосистемы биткоина, что никакой внешний фильтр не смог бы предотвратить.

Тест Миллера показывает, что, несмотря на прогресс искусственного интеллекта в обнаружении уязвимостей, существуют значительные различия между различными моделями в их способности классифицировать и исправлять их с точностью, как в затратах в долларах, так и в критериях, которые они применяют.

Этот контент предоставляется исключительно в общих информационных целях и не является финансовым, инвестиционным, юридическим или налоговым советом. Любые мероприятия, вознаграждения, онлайн-акции или связанная с ними информация, упомянутые в настоящем документе, не должны рассматриваться как рекомендация, приглашение к покупке, продаже, торговле или иной сделке с какими-либо криптоактивами. Криптоактивы очень волатильны и могут привести к убыткам. Доступность услуг, продуктов WEEX и связанных с ними событий может варьироваться в зависимости от региона. Вы несете ответственность за обеспечение того, чтобы ваше участие соответствовало применимым местным законам и нормативным актам.