首页GPT-5.5 效率居首，DeepSeek V4 Pro 荣膺性价比冠军；大语言模型（LLM）实际应用安全报告发布
大型语言模型（LLM）的智能究竟能延伸到何种程度？网络安全领域已演变为一场角斗场，这些模型的真实推理能力和复杂逻辑正是在此接受考验。安全研究员卡斯拉·拉赫杰迪（Kasra Rahjerdi）最近发布了一份测试报告，引起了整个行业的关注。 他通过构建一个刻意植入核心漏洞的电子书评论APK，对主流LLM模拟了现实世界中的黑客攻击挑战，从而揭示了各模型在安全推理和漏洞利用方面的实际能力。
在这场耗时两小时、预算仅10美元的网络战测试中，研究人员故意将谷歌移动后端服务Firebase的凭证暴露在应用程序包（APK）内。 每个模型都必须像一名专业的白帽黑客一样行动：首先解包应用程序，迅速发现凭证，然后绕过已经经过加固的API，从而获得对底层数据库的未经授权访问。整个测试耗资1,500美元，多家顶级模型的测试结果呈现出极端两极分化的态势。
在突破率方面，尚未发布的GPT-5.5展现出了压倒性的安全推理能力。在十次独立测试中，它成功实施了七次攻击，成功率达70%，位居榜首。 评估显示，在解包APK后，GPT-5.5立即识别出Firebase是关键突破点，并未被复杂的用户界面或标准API所干扰。然而，这一卓越表现付出了高昂代价：每次成功利用的平均成本高达9.46美元，几乎触及预算上限。
另一方面，自主研发的 DeepSeek V4Pro 以其惊人的成本效益震惊了开源社区。尽管在十次测试中仅成功三次，但每次成功尝试的平均令牌成本仅为 0.62 美元——仅为 GPT-5.5 的十五分之一。 在失败的测试轮次中，DeepSeek V4Pro 仍成功五次访问了 Firebase 核心，但在使用凭据配置后端接口时偶尔会出现错误。研究人员强调，对于在网络安全自动化审计中执行大规模、高频批处理操作的工程团队而言，DeepSeek 惊人的成本优势具有重要的实际价值。
虽然有些模型表现令人印象深刻，但另一些模型则因过于保守而未能达标。在中端水平中，Claude Sonnet4.6和Claude Opus4.8各取得两次成功。尽管Opus功能强大，但由于安全屏障过于严格，它经常中断会话，尽管它曾多次接近正确答案。 与此同时，谷歌的 Gemini3.1Pro Preview 则走向了另一个极端：它从一开始就触发了安全过滤器，每次都拒绝继续进行。其令牌使用量中位数仅约 9,000——远低于其他模型消耗的数万令牌——且最终产出了空白结果。
这场安全对决不仅是对大型模型终极推理能力的考验，也预示着自动化网络安全审计的未来。随着大型模型在垂直领域进行智能重构，未来的安全防御与漏洞发现可能会演变为数字AI大军的交锋，在计算能力和模型策略上展开竞争。
相关文章
GPT 5.5 领跑 AI 安全竞赛，DeepSeek 在成本效益方面位居榜首
Kasra Rahjerdi，一名安全研究人员，最近发布了一份重要报告，详细阐述了对主要大型语言模型的安全推理能力进行的实际测试。他通过构建一个故意存在漏洞的书评应用程序实现了这一目标。在该场景中，模拟了现实世界中的漏洞，Rahjerdi 在应用程序文件中嵌入了 Google 移动后端服务的凭据。这些模型的任务是解压并识别这些凭据，从而直接访问数据库。顶级模型对比在严格的两小时时间限制和 10 美元预算约束下，各模型的表现水平各不相同。GPT-5.5 成为表现最强的模型，成功完成了 10 次尝试
马斯克称，SpaceX的人工智能可能在半年内超越Anthropic
SpaceXAI首席执行官埃隆·马斯克预测，公司将在六个月内主导人工智能领域，并借助计算硬件来缩小与竞争对手的差距。SpaceXAI首席执行官埃隆·马斯克近日在X平台上表示，其公司计划在约六个月内引领前沿人工智能领域。马斯克表达了谨慎乐观的态度，暗示SpaceXAI有望在两到三个月内达到Anthropic的Fable或OpenAI的GPT-6的水平。SpaceXAI目前提供17种模型，每种模型在智
WeRide 发布 WITT——一款物理人工智能大模型
自动驾驶技术正以惊人的速度发展。7月17日，领先的自动驾驶公司威瑞德（WeRide）发布了其自主研发的物理AI认知基础模型——WeRide WITT。此次发布标志着AI在理解和处理复杂的现实世界数据能力方面迈出了重要一步。WeRide WITT的核心理念是“最小物理事实单元”。 该框架旨在帮助人工智能解读视频、图像和文本等多模态输入，将动态的现实世界场景分解为核心事实要素。通过识别和验证这些单元，
相关专题推荐
搜索引擎优化
用于 Google、AI 摘要和答案引擎可见性的 AI 排名追踪工具
2026 年最新、最佳、高评分的 AI 排名追踪工具，适用于 Google、AI 摘要和答案引擎可见性，现已在 XIX.AI 上线。本精选列表包含经过严格真实世界测试的强大工具，可提供准确的排名数据。获取免费与付费版的对比，查看顶级表现者，并发现必须尝试的选项，以提升您在搜索引擎中的内容可见性。立即探索，找到最适合您需求的工具。
10 个工具
xix.ai
生产率
最佳用于笔记和任务的 AI 第二大脑整理工具
2026 年最新最佳顶级评分 AI 第二大脑笔记与任务整理工具！XIX.AI 精心策划了一套极具影响力、颠覆性的精选合集，包含每周更新的排行榜、免费与付费版对比以及真实场景测试，助你找到能大幅提升效率的完美工具。立即探索，释放你的 AI 优势！
11 个工具
xix.ai
提示词
用于 ChatGPT 和 Claude 工作流的 AI 提示测试平台
2026 年最新最佳顶级评分 AI 提示测试平台，适用于 ChatGPT 和 Claude 工作流！XIX.AI 精心策划了一个强大的变革性合集，包含每周更新的排名、免费与付费对比、真实世界测试以及详细的功能分解，帮助您识别那些能够提升生产力并交付完美输出的必试工具。立即探索，发现您的完美解决方案，释放您的 AI 优势。（249 个字符）
9 个工具
xix.ai
营销
适用于 SaaS A/B 测试、定价页面和演示转化率的 AI 着陆页文案工具
2026年最新最优的AI着陆页文案工具，适用于SaaS A/B测试、定价页面和演示转化，尽在XIX.AI。这份精心挑选的顶级工具清单提供了强大的、能改变游戏规则的解决方案，可提升内容质量、提高写作效率并增强整体生产力。 我们通过实际测试，提供免费版与付费版的对比分析，并每周更新排行榜。这些必试工具将助您突破内容创作瓶颈。立即探索，找到最适合您的工具，释放您的AI优势！
8 个工具
xix.ai
金融
Excel AI 预算预测工具，用于现金流规划和费用控制
2026 年最新最佳 Excel AI 工具，用于现金流规划和费用控制，现已收录于 XIX.AI 的顶级精选榜单。这些强大的变革性解决方案通过实际测试和严格排名，帮助您显著提升生产力。获取免费与付费版的对比，找到最适合您需求的产品。立即探索，解锁您在财务管理中的 AI 优势。
9 个工具
xix.ai
提示词
团队使用的AI提示词管理工具
2026 年最新最佳顶级评分 AI 提示词管理工具由 XIX.AI 精心策划，专为团队打造。本指南每周更新，收录了经实际测试和详细排名验证的、能显著提升团队生产力的强大变革性解决方案。获取免费与付费版的对比，助您选择最合适的工具。立即探索，解锁您的 AI 优势。
9 个工具
xix.ai
评论 (1)
0/500
![GregoryJones]()
GPT-5.5のパフォーマンスとDeepSeekのコスパ競争、そして実際のセキュリティレポート。LLMの推論能力が本当にどの程度か試される場ですね。サイバーセキュリティの格闘技場のような状況、興味深いです。
大型语言模型（LLM）的智能究竟能延伸到何种程度？网络安全领域已演变为一场角斗场，这些模型的真实推理能力和复杂逻辑正是在此接受考验。安全研究员卡斯拉·拉赫杰迪（Kasra Rahjerdi）最近发布了一份测试报告，引起了整个行业的关注。 他通过构建一个刻意植入核心漏洞的电子书评论APK，对主流LLM模拟了现实世界中的黑客攻击挑战，从而揭示了各模型在安全推理和漏洞利用方面的实际能力。
在这场耗时两小时、预算仅10美元的网络战测试中，研究人员故意将谷歌移动后端服务Firebase的凭证暴露在应用程序包（APK）内。 每个模型都必须像一名专业的白帽黑客一样行动：首先解包应用程序，迅速发现凭证，然后绕过已经经过加固的API，从而获得对底层数据库的未经授权访问。整个测试耗资1,500美元，多家顶级模型的测试结果呈现出极端两极分化的态势。
在突破率方面，尚未发布的GPT-5.5展现出了压倒性的安全推理能力。在十次独立测试中，它成功实施了七次攻击，成功率达70%，位居榜首。 评估显示，在解包APK后，GPT-5.5立即识别出Firebase是关键突破点，并未被复杂的用户界面或标准API所干扰。然而，这一卓越表现付出了高昂代价：每次成功利用的平均成本高达9.46美元，几乎触及预算上限。
另一方面，自主研发的 DeepSeek V4Pro 以其惊人的成本效益震惊了开源社区。尽管在十次测试中仅成功三次，但每次成功尝试的平均令牌成本仅为 0.62 美元——仅为 GPT-5.5 的十五分之一。 在失败的测试轮次中，DeepSeek V4Pro 仍成功五次访问了 Firebase 核心，但在使用凭据配置后端接口时偶尔会出现错误。研究人员强调，对于在网络安全自动化审计中执行大规模、高频批处理操作的工程团队而言，DeepSeek 惊人的成本优势具有重要的实际价值。
虽然有些模型表现令人印象深刻，但另一些模型则因过于保守而未能达标。在中端水平中，Claude Sonnet4.6和Claude Opus4.8各取得两次成功。尽管Opus功能强大，但由于安全屏障过于严格，它经常中断会话，尽管它曾多次接近正确答案。 与此同时，谷歌的 Gemini3.1Pro Preview 则走向了另一个极端：它从一开始就触发了安全过滤器，每次都拒绝继续进行。其令牌使用量中位数仅约 9,000——远低于其他模型消耗的数万令牌——且最终产出了空白结果。
这场安全对决不仅是对大型模型终极推理能力的考验，也预示着自动化网络安全审计的未来。随着大型模型在垂直领域进行智能重构，未来的安全防御与漏洞发现可能会演变为数字AI大军的交锋，在计算能力和模型策略上展开竞争。
GPT 5.5 领跑 AI 安全竞赛，DeepSeek 在成本效益方面位居榜首
Kasra Rahjerdi，一名安全研究人员，最近发布了一份重要报告，详细阐述了对主要大型语言模型的安全推理能力进行的实际测试。他通过构建一个故意存在漏洞的书评应用程序实现了这一目标。在该场景中，模拟了现实世界中的漏洞，Rahjerdi 在应用程序文件中嵌入了 Google 移动后端服务的凭据。这些模型的任务是解压并识别这些凭据，从而直接访问数据库。顶级模型对比在严格的两小时时间限制和 10 美元预算约束下，各模型的表现水平各不相同。GPT-5.5 成为表现最强的模型，成功完成了 10 次尝试
马斯克称，SpaceX的人工智能可能在半年内超越Anthropic
SpaceXAI首席执行官埃隆·马斯克预测，公司将在六个月内主导人工智能领域，并借助计算硬件来缩小与竞争对手的差距。SpaceXAI首席执行官埃隆·马斯克近日在X平台上表示，其公司计划在约六个月内引领前沿人工智能领域。马斯克表达了谨慎乐观的态度，暗示SpaceXAI有望在两到三个月内达到Anthropic的Fable或OpenAI的GPT-6的水平。SpaceXAI目前提供17种模型，每种模型在智
WeRide 发布 WITT——一款物理人工智能大模型
自动驾驶技术正以惊人的速度发展。7月17日，领先的自动驾驶公司威瑞德（WeRide）发布了其自主研发的物理AI认知基础模型——WeRide WITT。此次发布标志着AI在理解和处理复杂的现实世界数据能力方面迈出了重要一步。WeRide WITT的核心理念是“最小物理事实单元”。 该框架旨在帮助人工智能解读视频、图像和文本等多模态输入，将动态的现实世界场景分解为核心事实要素。通过识别和验证这些单元，
2026 年最新、最佳、高评分的 AI 排名追踪工具，适用于 Google、AI 摘要和答案引擎可见性，现已在 XIX.AI 上线。本精选列表包含经过严格真实世界测试的强大工具，可提供准确的排名数据。获取免费与付费版的对比，查看顶级表现者，并发现必须尝试的选项，以提升您在搜索引擎中的内容可见性。立即探索，找到最适合您需求的工具。
10 个工具
xix.ai
2026 年最新最佳顶级评分 AI 第二大脑笔记与任务整理工具！XIX.AI 精心策划了一套极具影响力、颠覆性的精选合集，包含每周更新的排行榜、免费与付费版对比以及真实场景测试，助你找到能大幅提升效率的完美工具。立即探索，释放你的 AI 优势！
11 个工具
xix.ai
2026 年最新最佳顶级评分 AI 提示测试平台，适用于 ChatGPT 和 Claude 工作流！XIX.AI 精心策划了一个强大的变革性合集，包含每周更新的排名、免费与付费对比、真实世界测试以及详细的功能分解，帮助您识别那些能够提升生产力并交付完美输出的必试工具。立即探索，发现您的完美解决方案，释放您的 AI 优势。（249 个字符）
9 个工具
xix.ai
2026年最新最优的AI着陆页文案工具，适用于SaaS A/B测试、定价页面和演示转化，尽在XIX.AI。这份精心挑选的顶级工具清单提供了强大的、能改变游戏规则的解决方案，可提升内容质量、提高写作效率并增强整体生产力。 我们通过实际测试，提供免费版与付费版的对比分析，并每周更新排行榜。这些必试工具将助您突破内容创作瓶颈。立即探索，找到最适合您的工具，释放您的AI优势！
8 个工具
xix.ai
2026 年最新最佳 Excel AI 工具，用于现金流规划和费用控制，现已收录于 XIX.AI 的顶级精选榜单。这些强大的变革性解决方案通过实际测试和严格排名，帮助您显著提升生产力。获取免费与付费版的对比，找到最适合您需求的产品。立即探索，解锁您在财务管理中的 AI 优势。
9 个工具
xix.ai
2026 年最新最佳顶级评分 AI 提示词管理工具由 XIX.AI 精心策划，专为团队打造。本指南每周更新，收录了经实际测试和详细排名验证的、能显著提升团队生产力的强大变革性解决方案。获取免费与付费版的对比，助您选择最合适的工具。立即探索，解锁您的 AI 优势。
9 个工具
xix.ai
GPT-5.5のパフォーマンスとDeepSeekのコスパ競争、そして実際のセキュリティレポート。LLMの推論能力が本当にどの程度か試される場ですね。サイバーセキュリティの格闘技場のような状況、興味深いです。
