AI 动态:Linux 漏洞修复与新一轮模型发布
OpenAI:将漏洞发现、验证与修补串成自动化流程
在这份涵盖 2026 年 11 月 3—4 日的动态中,OpenAI 表示,其安全研究人员构建了一套自动化流程,覆盖漏洞发现、利用验证和补丁生成。
据其披露,一款尚未发布的网络安全模型在单次运行中,验证了 948 个 Linux 内核本地权限提升漏洞并生成补丁,API 计价成本约为 120 万美元。这里的成本是 API 口径,不等同于内部算力成本。
OpenAI 还称,智能体发现并使用了至少 10 种被其团队及受咨询专家认为具有新颖性的 Linux 漏洞利用技术。目前,公司正与 Linux 维护者及 Patch the Planet 合作伙伴推进漏洞报告和补丁工作。
**生成补丁不等于补丁已被审核、合并或部署。**上述数量应理解为 OpenAI 披露的研究结果,不能直接当作 Linux 已完成修复的漏洞数量。
Kimi K3.1 Pro:开放权重,强化长程智能体任务
月之暗面发布了旗舰模型 Kimi K3.1 Pro 的权重。该模型被描述为 K3 的后训练升级版,强化学习重点涵盖编程、金融研究和长程智能体任务。
主要规格包括:
- **总参数量:**2.8 万亿,激活参数量为 1040 亿。
- **输入模态:**文本与图像。
- **上下文窗口:**100 万 token。
- **部署支持:**vLLM 与 SGLang 提供首日支持。
Agent Arena 公布的结果显示,K3.1 Pro 在超过 1.75 万次智能体会话评估中,位列开放模型第一、总体第十三,并在 Bash 可靠性和可引导性方面位列开放模型第一。
这些排名反映的是特定平台、任务分布和评测时间点下的表现,不宜直接推广为所有编程或智能体场景的能力排序。
Ripple-65B Preview:以稠密架构参与编程模型竞争
Ricursive 发布了 Ripple-65B Preview,这是一款从头预训练的 650 亿参数稠密模型。其披露的配置包括:
| 项目 | 披露信息 |
|---|---|
| 训练 token 数 | 12 万亿 |
| 上下文窗口 | 100 万 token |
| 许可证 | Apache 2.0 |
| 架构要素 | Value Residuals、滑动窗口注意力 |
| 研发预算 | 3200 万美元 |
Ricursive 表示,预算覆盖规模探索、数据工作及最终训练等完整研发过程,并非仅指最后一次训练的费用。
在厂商公布的 Terminal-Bench 2.1 结果中,Ripple-65B 得分为 80.5%,对照模型 Beam-501B 为 80.1%。这一单项成绩不能独立证明模型具有全面优势;围绕其“美国开放权重模型领先”的表述,也存在比较范围有限、未纳入部分其他模型的争议。
SWE-2 Flash:发布模型,但未公开权重
Cognition 同期公布了编程模型 SWE-2 Flash。公司称,该模型基于 Thinking Machines 的 Inkling-Small 进行后训练,使用成本约为 SWE-2 的 20%,运行速度约为其三倍。
需要特别区分:SWE-2 Flash 并未公开权重。 Cognition 计划面向合作伙伴和研究人员提供受限的安全权重共享,并将网络安全滥用风险列为限制理由。
因此,开放权重下载、受限权重共享和托管服务访问,不应被统称为“开源发布”。评估这些模型时,也应分别核对许可证、部署条件、评测设置及实际任务表现。
