OpenAI同一天:最强网安模型发布,Codex却爆出烧盘Bug

同一天，OpenAI 发布号称迄今最强的网络安全专用模型 GPT-5.5-Cyber，在多个基准测试里碾压普通版和竞品，还高调启动了“修补地球”计划。另一边，开发者发现它的 AI 编程助手 Codex 正以每年 640TB 的速度静默写入日志。这个速度意味着什么？普通用户可能没概念。换个说法，它足以在一年内写废一块消费级 SSD。同一个智能体，能修补地球，也能烧穿你的硬盘。这种反差，恰恰是当前 AI 落地最真实的写照。

Cyber版到底强在哪

这次GPT-5.5-Cyber的发布，OpenAI把靶心直接对准了经授权的防御任务。它能追踪漏洞代码、验证安全隐患、生成补丁，还能给人工审查准备证据。通用模型在这些安全任务上往往力不从心——训练数据里安全样本太少，推理策略也不够专。Cyber版在训练阶段就塞了大量安全场景数据，推理时又做了针对性调整，不是简单拿个通用模型就上线。

CyberGym基准测试里，GPT-5.5-Cyber的单模型最高分是85.6%。普通版GPT-5.5是81.8%，Claude Opus 4.7停在了73.1%。差距不小。Cyber版在通用安全能力上已经甩开竞品超过12个百分点。不过基准测试和真实攻防场景之间还有距离，实验室分数高不代表实战一定能顶住。

两个专项基准更能看出门道。ExploitGym考的是“能不能把漏洞变成真实攻击代码”，Cyber版得分39.5%，普通版只有25.95%，差了接近14个百分点。SEC-bench Pro考长链条漏洞挖掘，Cyber版69.8%，普通版63.1%，领先近7个百分点。三个基准全面碾压。OpenAI在网络安全这个垂直方向上确实下了血本，从训练数据到推理策略再到安全团队投入，都不是敷衍了事。

盾的规模逻辑

GPT-5.5-Cyber能攻，Codex Security就专管防守。OpenAI把它直接嵌进Codex工作流，开箱就能做漏洞扫描、威胁建模、攻击路径追踪，还能自动生成补丁。每个程序员身边相当于多了一个安全工程师。

自今年3月研究预览上线，Codex Security已经扫了超过3000万次提交，覆盖3万多个代码仓库。人工复核确认修复的发现超过7万个，自动判定修复的超过50万个。这个量级，已经不是人力能跟上的。以前补漏洞靠堆人，误报多、速度慢；现在自动判定撑起了大部分修复，人工只需要盯住关键发现。

速度上去了，但问题也跟着换了样子。被广泛使用的开源项目里，94%的项目一年内90%以上的新增代码，靠的是不到10个开发者。这个数据来自某份开源安全报告，统计口径是过去一年。撑起半个互联网的代码，背后常常只有几个人在熬夜。AI找漏洞是快了，可快带来的不只是效率。维护者反而被低质量报告淹没了——在某些项目里，每天几百份报告砸过来，大部分是误报。

OpenAI 的“修补地球”计划，关键一步是专业人工介入。研究员先去重、先验证，把干净的补丁送到维护者面前，而不是把噪声一股脑倒给他们。这很关键，但工作量不小。首批三十多个开源项目已承诺加入，比如 cURL 和 Go 的维护者已经确认，Python 和 Sigstore 也在名单上。一个五天冲刺就在 19 个项目里浮现出数百个问题、合并了数十个补丁。不过补丁的质量和接受率还需要更长时间观察，这还只是首批项目的表现，规模扩大后效率能否保持是另一个问题。

烧穿硬盘的真相

OpenAI 发安全报告那天，GitHub 上有人报了个 bug，说 Codex 跑流式任务或长时间运行时，会往本地 SQLite 日志文件里写 TRACE 日志，速度大概 5MB/s，实测峰值能到 16MB/s。这场景，开发者看了笑不出来。

5MB/s 的写入速率，一年下来就是 640TB。一块普通消费级 SSD 的标称写入寿命，大概 600TB 左右。也就是说，在持续高负载场景下，不到一年，Codex 后台写的这些日志就可能把硬盘的写入寿命耗尽。

这一切是静默发生的。有位GitHub用户实测，自己机器开机运行21天，主SSD就被写进去了约37TB数据。这个数字比预期高了一个数量级。一查，是Codex的SQLite日志。结果让人意外。打开文件管理器一看，这文件大小却平平无奇——因为它在每分钟上万次插入与清理，文件不大，但实际砸到闪存上的写入量远超肉眼能看到的。

时间线才让人后背发凉。今年4月就有人提过issue，但当时没引起太多注意，下面只有零星讨论。后来陆续有人补刀，直到6月14日才彻底曝光。OpenAI最近的更新日志确实提过SQLite稳定性，但写入速率这个核心问题，在曝光前官方一直没松过口。

修复与未修复之间

舆论发酵后，OpenAI研究员Vaibhav Srivastav出来回应。他说问题已经修复，随最新Codex版本发布了。但修复覆盖了所有场景吗？社区里还有人在问。他特别提醒，用户得手动升级到最新版本，否则问题可能还在。

从4月有人提issue到6月才修，两个月。在开源项目里这个修复周期不算特别短。同一个智能体，几周前刚修补了一个漏洞，现在却可能烧穿你的硬盘。修复和破坏用的是同一套能力。当AI改写网络安全的物理定律，它改写的也是人类看得见的边界。更值得追问的是，下一次修复窗口会不会更长。

这次事件的核心争议其实就一个：它到底只是一个日志配置失误，修复完就翻篇，还是暴露了AI工具在系统资源管理上的深层隐患？能力边界只是表面。真正让人不安的是，我们对自己造物的理解边界到底在哪里——这次事件暴露的，正是这个盲区。下一步要盯的，是类似漏洞的修复周期和实际影响范围，而不是口号式的反思。