一项来自英国 AI 安全研究机构的最新评测，为大模型的“网络安全能力”划下了新的刻度线：OpenAI 的 GPT-5.5，在多项攻防测试中已与此前被高度警惕的 Mythos 模型处于同一水平。
这不仅削弱了“单一模型危险性”的叙事，也揭示了一个更重要的趋势：网络攻防能力正在成为通用大模型的“默认能力”，而非特例。
此前，由Anthropic推出的 Mythos 预览模型，因其在网络安全领域的潜在能力被广泛讨论，甚至被作为“高风险 AI”的代表进行限制发布。
但最新评测显示，GPT-5.5 在同类任务中的表现几乎持平，意味着：
Mythos 并不是“异常强”，而是整个大模型能力曲线已经整体上移。
这对 AI 安全、模型发布策略以及工程实践，都是一次根本性的冲击。
GPT-5.5 在专家级网络安全任务中的通过率达到约 71%，与 Mythos 持平甚至略优
在模拟企业数据渗透测试中，两者均实现“此前未出现过的成功水平”
评测机构认为，这种能力提升属于“通用模型进步”，而非单一模型突破
模型发布策略开始转向“受控开放”，而非简单封禁
本次评估采用了更接近真实攻防环境的测试体系：
覆盖 95 项任务
包括漏洞利用、权限提升、横向移动等典型攻击路径
GPT-5.5 在“专家级”任务中通过率约为 71.4%
Mythos 预览模型为约 68.6%
这一结果意味着，大模型已经具备接近专业安全研究员的部分能力。
模拟真实公司网络环境
目标是提取敏感数据
GPT-5.5 成功 3/10，Mythos 为 2/10
虽然成功率仍不算高，但这是首次出现模型在复杂企业网络中“端到端攻击成功”的案例。
这一趋势并不偶然，而是模型能力演进的自然结果：
随着模型在编程任务中的表现提升：
能理解复杂系统架构
能生成 exploit 代码
能自动调试与修复
这些能力天然可迁移到安全领域。
网络攻击本质上是一个多步骤推理过程：
信息收集
漏洞识别
攻击路径规划
执行与反馈
GPT-5.5 在 chain-of-thought 与规划能力上的提升，使其可以完成更复杂的攻击流程。
现代大模型可以：
调用扫描工具
分析日志
自动执行命令
这使其从“建议攻击”转向“执行攻击”。
面对 Mythos 曾引发的安全讨论，萨姆·奥尔特曼公开批评了所谓的“恐慌营销”。
其核心观点是：
单一模型的“危险性”被放大
实际上是整个技术代际的进步
过度渲染风险可能误导监管与公众
这一表态背后，是 AI 公司在“能力展示”与“风险控制”之间的微妙平衡：
过度强调能力 → 引发监管压力
过度强调风险 → 限制产品落地
面对不断增强的攻防能力，模型发布策略正在发生变化：
OpenAI 提出的新机制包括：
限定用户群体（如安全研究人员）
审核访问权限
监控使用行为
例如即将推出的 GPT-5.5-Cyber，将以受控方式提供。
未来模型可能按能力拆分：
通用模型（限制敏感能力）
专业模型（仅限特定场景）
API 调用日志记录
异常行为检测
自动化风险拦截
这一变化对开发者和安全从业者意味着：
需要在系统中引入更强的安全约束
对 prompt 与 tool 调用进行限制
构建“安全中间层”（safety middleware）
AI 将成为攻防双方的工具
自动化渗透测试成为可能
防御系统需要引入 AI 对抗 AI
需要重新评估“AI 内部使用风险”
防止模型被滥用于内部系统攻击
建立 AI 使用审计机制
当前局面正在逼近一个新的平衡点：
攻击能力：快速提升
防御能力：尚未完全匹配
监管体系：仍在演进
这意味着，未来的安全体系可能演变为：
AI 攻击者 vs AI 防御者
自动化攻防对抗系统
实时策略更新与博弈
GPT-5.5 与 Mythos 的对比，实际上传递了一个更深层的信号：
网络攻防能力，正在从“敏感特性”变成“通用能力”。
这将迫使整个行业重新思考：
如何定义模型能力边界
如何设计可控的 Agent 系统
如何在开放与安全之间找到平衡
对于 AI 技术社区而言，这不仅是一次模型对比，更是一次范式转变的开始：当模型具备行动能力，安全不再是附加项，而是系统设计的核心。