مؤخرًا رأينا استغلالًا بقيمة 1.78 مليون دولار ناجم عن ثغرة أُكتب بواسطة كلاود أوبوس 4.6.

تم تسعير cbETH عند $1 بدلاً من 2000 دولار.
ليس بعيدًا عن ذلك، أطلقت @OpenAI@ EVMbench. ببساطة، هو معيار يقيم قدرة وكلاء الذكاء الاصطناعي على التفاعل مع العقود الذكية.

لديه 3 أوضاع تقييم رئيسية:
> الكشف: يحلل قدرة الوكيل على اكتشاف الثغرات
> التصحيح: يحلل قدرة الوكيل على إصلاح تلك الثغرات
> الاستغلال: يحلل قدرة الوكيل على استغلال تلك الثغرات
أظهر تحليلهم أن النماذج الحديثة (أوبوس 4.6، GPT-5.3-Codex، وغيرها) جيدة جدًا في استغلال الثغرات، لكنها ضعيفة في اكتشافها وتصحيحها.
وهذا بالضبط ما لاحظته أثناء تشغيل وكلائي على أحدث النماذج. في فريق وكلائي، أضم دائمًا وكيل تدقيق يحصل على السياق الكامل، بهدف رئيسي هو العثور على الثغرات.
عندما يعثر على واحدة، يقوم وكيل المطور بإصلاحها بسهولة.
لكن المشكلة هي أنه من بين 10 ثغرات، قد يعثر على 3 فقط. حاليًا، لا يمكننا الاعتماد على الوكلاء بشكل كامل لاكتشاف الثغرات بشكل صحيح.
إطلاق هذا المعيار هو خطوة قوية جدًا. أنا متحمس لاختباره مع وكلائي.
للتوضيح، هذا ليس أداة فحص أمان أو أداة تدقيق جاهزة للإنتاج. الهدف الرئيسي منه هو قياس قدرات الذكاء الاصطناعي، ومقارنة النماذج، وتقديم مقاييس حول تقدم الذكاء الاصطناعي في هذا المجال.
بشكل أساسي، هو أداة تتيح تقييم وتحسين الذكاء الاصطناعي في هذا المجال، وبصراحة، نحن بحاجة ماسة لذلك.