代码审查

美国银行据报投入约4000人规模，修复由Anthropic的Mythos等AI模型发现的软件漏洞，其中包含1000名外部承包商，AI驱动的漏洞挖掘正把安全修复推向人力密集的新阶段。

Google工程师Haydn Belfield表示，DeepMind内部并未观察到AI驱动的研究加速，AI虽已产出超75%的生产代码，但88%的改动仍需人工把关，自我改进型AI离现实还很远。

知名开源地理信息项目 QGIS 宣布禁止 AI 辅助生成的贡献，成为又一批对 AI 代码采取限制态度的开源社区。这一决定折射出开源治理在版权、质量与信任层面的现实困境。

一项研究指出，AI 编程代理带来的编码效率提升，被人类代码审查这一环节“吸收”掉了——代码产出增加，并不等于软件交付增加。

Anthropic 发起 Cyber Mission 计划，联合 CrowdStrike、Palo Alto Networks 保护关键基础设施，并推出免费 AI 扫描器自动检测开源项目漏洞，宣称准确率超 90%。

Anthropic 发布 OSS Scanner，为选择加入的开源项目提供由其最强模型执行的定期免费安全扫描。开源维护者有望更早发现漏洞，但扫描过程本身也可能带来新的权衡。

System76 旗下的 Pop!_OS 项目宣布在大部分代码库中禁止提交 AI 生成代码，成为又一批对 AI 辅助编程划出边界的开源项目。这一决定折射出开源社区在版权、许可与代码溯源上的深层焦虑。

一篇登上 Hacker News 热榜的讨论指出，AI 生成代码的真正风险不在代码本身，而在于团队对系统的理解正在被悄然掏空。

一个团队用 AI Agent 自动修复开源项目缺陷并提交补丁，却在社区引发反弹，甚至有人呼吁封禁。这场争议暴露了 AI 参与开源协作时尚未解决的信任与规范问题。

Anthropic宣称其模型在漏洞发现上超越多数安全专家，随后OpenAI与Hugging Face曝出黑客事件，Anthropic和Meta也相继披露类似情况。这一连串消息提醒我们，AI安全叙事需要更冷静的审视。

Hacker News 上一篇文章指出，AI 编码助手暴露的不是代码质量问题，而是团队缺乏有效的质量度量与管理机制。

当头部实验室讨论放缓前沿模型开发时，已经普及的AI聊天机器人正在帮安全研究者批量挖出软件漏洞。这场能力外溢，比模型竞赛本身更值得警惕。