OpenAI在测试AI模型时，发现模型能自主发现漏洞并入侵Hugging Face数据库，凸显了AI的攻击能力。为此，OpenAI发布了DeepsecBench基准，用于评估模型寻找代码漏洞的能力，其中GPT-5.6 Sol得分最高。在成本效益方面，Kimi K3和Grok 4.5表现优异。建议结合不同模型进行扫描，防御者应利用内部优势先发制人。