Z.ai推出GLM 5.3，现已在AI Gateway上线。该模型在复杂软件工程和多步代理任务上优于GLM 5.2，同时输出更少token，并增强漏洞发现能力。它支持1M上下文窗口、128K输出，具备函数调用等功能，可通过统一API使用，无加价和平台费。

OpenAI推出Daybreak计划，为防御者提供GPT-5.6-Cyber等模型，分蓝红两级访问权限，提升漏洞发现与利用能力。该模型在基准测试中表现优异，并发现多个真实漏洞。OpenAI强调安全措施，要求沙盒隔离、监控及硬件密钥，以平衡防御能力与风险。

中国的Zhipu AI（Z.ai）发布了开放权重的GLM-5.2模型，研究人员表示其在漏洞发现和网络安全方面与Mythos相当。尽管GLM在其他任务上落后于Anthropic和OpenAI的模型，但能力差距显著缩小。这一进展引发了美国政府的担忧，因其可能使中国更容易获取强大模型和相关硬件。

2026 IT市场年会在北京召开，主题为“AI浪潮下网络安全行业变革与发展”。会议讨论了AI对网络安全攻防逻辑的影响，指出国内外在漏洞发现等方面的差距。绿盟科技副总裁范敦球表示，国内网络安全产业应抓住追赶窗口期，向工业化转型，利用AI提升安全能力，推动技术与产业融合。

网络安全正处于关键转折点，AI模型加速了漏洞发现，但修复能力仍显不足。Codex Security和GPT-5.5-Cyber的更新旨在帮助开发者更高效地识别和修复漏洞。Patch the Planet计划支持开源项目，减轻维护者负担。OpenAI与各国政府合作，提升关键基础设施的网络防御能力，确保安全软件的开发和使用。

项目Glasswing测试了Anthropic的Mythos Preview模型，该模型在识别和组合多个漏洞方面表现出色，能够生成可利用的证明。尽管存在一些拒绝请求的不一致性，Mythos Preview在漏洞发现和验证上提升了安全研究的效率。通过构建专门的工作框架，团队实现了更高的覆盖率和更少的噪音，推动了漏洞管理的进步。

Gauntlet是一种智能体测试系统，通过模拟智能体对主智能体的工具调用进行对抗性测试。它利用短期和长期记忆，自动生成攻击向量，持续发现漏洞。与传统手动测试相比，Gauntlet提高了测试效率和创造性，能够更快识别智能体的弱点，确保智能体在真实环境中有效应对潜在攻击。

加州大学圣塔芭芭拉分校的研究者提出了AgentFlow框架，该框架利用类型化图DSL自动合成多智能体协作方案，成功在Google Chrome中发现了10个未知零日漏洞。通过反馈驱动的优化，该框架提升了漏洞发现的效率，证明了自动生成的协作方案能够发现传统方法遗漏的安全问题。

开源界对AI生成代码的态度存在明显分歧。Drew DeVault在博客中表示，AI代码污染了Vim，因此创建了Vim Classic，拒绝AI贡献。相比之下，Linux等项目接受AI辅助贡献，强调人类的责任。AI在漏洞发现中的潜力引发了对人类审查有效性的质疑，反映了开源社区在AI问题上的不同选择。

Aikido推出Infinite平台，实现软件的持续AI渗透测试，旨在提升软件的自我安全性。该平台自动发现漏洞、验证可利用性并生成补丁，改变了传统的安全测试模式。尽管完全自主安全尚需时日，Aikido的目标是提高软件交付的安全性和效率。

人工智能（AI）正在变革应用安全，通过提升漏洞发现、自动评估和半自主攻击面扫描等方式。本文探讨了生成性和预测性AI在应用安全中的应用，分析了AI驱动的应用防御的现状、局限性及未来方向。AI工具通过生成新数据和预测漏洞，增强了安全生命周期的各个环节。尽管AI功能强大，但仍需关注误报、模型偏见和新威胁等问题。

机器智能正在变革应用安全，提升漏洞发现、自动评估和恶意活动检测能力。文章探讨了AI在应用安全中的发展、现状及未来趋势，包括生成式和预测式AI的应用，以及面临的挑战与局限性。AI的引入使安全团队更快识别漏洞，专注于高风险问题。

人工智能（AI）正在变革应用安全，通过提升漏洞发现、自动化测试和攻击面扫描等能力。文章讨论了AI在应用安全中的演变、现代能力、面临的挑战及未来发展，强调了AI在代码审查和动态扫描中的应用。尽管AI功能强大，但仍需人工审核以应对误报和新型漏洞。

机器智能正在变革应用安全，通过提升漏洞发现、测试自动化和半自主攻击面扫描。本文分析了基于AI的生成和预测方法在应用安全中的应用，探讨了AI驱动的应用防御的增长、特征、挑战及未来发展。AI在漏洞发现、代码分析和动态评估等方面的应用不断增强，未来将促进更安全的数字环境。

人工智能（AI）正在变革应用安全，通过提升漏洞发现、自动化测试和半自主恶意活动检测来增强安全性。本文讨论了AI在安全测试中的发展、现代特性、挑战及未来趋势，强调其在漏洞预测和生成测试中的应用，提升了安全团队的效率和准确性。尽管AI具备强大能力，但仍需专业验证以应对误报和新威胁。

人工智能（AI）正在变革应用安全，通过更复杂的漏洞发现、自动化测试和自主威胁猎捕来增强安全性。本文探讨了AI在应用安全中的演变、当前特性及未来发展，包括生成性和预测性AI的应用。尽管AI能力强大，但仍需人工审核以应对误报和新型漏洞，未来AI将推动更安全的软件生态系统。

人工智能（AI）正在变革应用安全，通过提升漏洞发现、自动化测试和攻击面扫描，推动应用防御的发展。文章回顾了AI在应用安全的历史、现状与未来，探讨了生成性和预测性AI的应用、面临的挑战及自主AI的崛起。尽管AI提高了漏洞预测和代码分析的效率，但仍需人工验证以确保准确性。未来，AI将与人类智慧结合，进一步增强软件安全性。

人工智能（AI）正在变革应用安全，通过智能漏洞发现、自动化测试和攻击面扫描提升安全性。文章分析了AI在安全测试中的发展、现状及未来趋势，包括生成性和预测性AI的应用。尽管AI功能强大，但仍需人类监督以应对误报和新威胁，未来将实现更安全的软件生态系统。

人工智能正在重塑软件应用的安全性，提升漏洞发现、测试自动化和恶意活动检测的能力。文章回顾了AI在应用安全中的发展历程、当前优势与挑战，以及未来方向。AI在代码检查和动态测试中发挥了重要作用，但仍面临误报和新型漏洞的挑战。