Anthropic 玻璃翼计划成绩单：挖出 3.8 万个漏洞，修好的只有 217 个

过去一年，AI 找漏洞的能力被反复演示：先是在 PHP 底层挖出重大安全问题，又从 Linux 内核里扒出九百多条缺陷。但开源社区很快发现了另一半问题——漏洞被找出来了，却没人修。

11 月 11 日，网络安全公司 VulnCheck 发布了一份关于「玻璃翼计划」（Project Glasswing）的成绩单：计划推出七个月，Claude 累计挖出 37,966 条候选漏洞，而公开记录里被标记为已修复的，只有 217 条。

一分钟速览

• 玻璃翼计划 4 月启动，目标是让 Claude 大规模挖掘关键软件与开源项目中的漏洞，联合企业与维护者抢在被利用前修掉。
• 启动时承诺投入 1 亿美元模型使用额度与 400 万美元开源安全捐款，苹果、谷歌、微软、AWS、英伟达等相继加入。
• VulnCheck 追踪显示，截至 11 月初候选发现达 37,966 条，已修复仅 217 条；另有 419 条被撤回、1,654 条被判重复。
• 最近两个月候选漏洞新增近 1.2 万条，而修复记录只增加了 15 条，缺口在加速扩大。
• Anthropic 官方口径：截至 11 月 2 日，6,376 条经外部专家审核，6,009 条确认为有效，5,087 条已报送维护者，629 条获得上游补丁。
• VulnCheck 统计的 442 个归因于 Anthropic 的 CVE，仅占 2026 年全球公开 CVE 总量的 0.5%。

一份被两边都承认的瓶颈

先看数字本身。37,966 条候选发现、217 条修复记录，比例大约是 175 比 1。即便按 Anthropic 自己的口径，6,009 条有效发现对应 629 个上游补丁，也接近 10 比 1。

两套数字差得不小，原因是统计口径：VulnCheck 统计的是公开披露台账里标记为「已修复」的条目，Anthropic 统计的是「已向上游报送」和「已获得补丁」的发现。但有一点双方都不否认——人工验证能力已经成为整条链路的瓶颈。

Anthropic 在官方说明里承认，人工审核的速度极大限制了漏洞的确认与披露效率。这也是它在 10 月 8 日推出 OSS Scanner 的原因：开源维护者可以主动报名，让 Claude 免费扫描自己的代码，报告直接发给维护者，不必再排队等 Anthropic 组织人工审核。

换句话说，把审核这一环从中心化平台下放给了维护者。效率提高了，压力也转移了。

curl 的 45 份报告：19 份不算漏洞

VulnCheck 举的例子很具体。11 月初，curl 维护者 Daniel Stenberg 又收到了一份「大礼包」——45 份来自 Anthropic 的漏洞报告。而在更早的博客里，他已经写过，核心维护者快被源源不断的报告压垮了，原话是「我们的目标是别被淹死」。

为了活下去，curl 修改了漏洞处理规则：低危、中危问题改为在 GitHub 上公开讨论，让更多社区开发者分担审核。目前已公开的 34 份报告里，19 份被判定根本不构成安全漏洞，6 份确认为低危。

这个比例值得所有做 AI 安全的人记住：超过一半的「发现」是噪音。对提交者来说，误报只是一个数字；对只有几个人的开源项目来说，每一份误报都要占掉半天工作时间。

但也不能因此说玻璃翼计划没有价值。今年 9 月，Claude 在 curl 里发现了一个 Use-After-Free 内存错误，特定条件下恶意服务器可借此实现远程代码执行。Stenberg 称它是 curl 多年来最严重的漏洞之一。一条这样的发现，足以抵掉几百条噪音——问题在于，没人能提前知道哪一条是那一条。

为什么 AI 不肯顺手把漏洞修了

最自然的疑问是：既然模型能读懂代码、能找出问题，为什么不直接生成补丁？

Anthropic 确实让模型生成候选补丁了。真正的障碍在采纳端。开源维护者普遍反馈，审核一份 AI 补丁的工作量，有时接近自己重写一遍：模型倾向于通过增加判断分支和额外逻辑来「修复」问题，结果是修好一个缺陷，引入十个新的分支路径。一位开发者的总结被反复引用——AI 非常擅长往代码里加东西，却意识不到有些东西本该被删掉。

这解释了为什么「629 条获得上游补丁」这个数字其实不算低。补丁进入主干要过评审、测试、回归，每一步都需要人类判断，而人类的吞吐量是固定的。

漏洞经济正在被重新定价

把视角拉远，这件事改变的不只是开源项目的日常。当发现漏洞的边际成本趋近于零，整条安全产业链的重心就从「发现」移到了「排序」和「修复」。

VulnCheck 在报告里批评玻璃翼「除了增加审核工作量好像没太大用」，这话有其立场——它自己卖的正是漏洞情报与优先级管理服务。但它指出的结构性问题是真的：如果 AI 能在两个月内多产出 1.2 万条候选发现，那么决定安全水平的就不再是谁的模型更强，而是谁能更快判断哪 1% 值得今天修。

对 Anthropic 来说，这也是一道信誉题。它把「Mythos 时代」讲成了一个关于防御的故事，而防御的成效最终要用补丁数量来衡量，不是候选数量。截至目前，这个比值还很难看。

接下来值得观察三个指标：OSS Scanner 的采用率能否把报送链路缩短；上游补丁的采纳率能否从 10% 往上走；以及当监管开始要求「发现即披露」时，这些堆积的候选漏洞会不会变成合规负债。AI 把四十年的技术债一次性翻了出来，但还债这件事，仍然只能靠人一行一行地写。