11 月 4 日，OpenAI 发布了一篇安全研究长文：一套自主 pipeline 在 Linux 内核里发现、验证并为 948 个本地提权漏洞生成了补丁。这是「Patch the Planet」倡议的一部分，也是 AI 做漏洞挖掘的一个标志性数据点。这篇把数字、方法和边界讲清楚。
948 的含义
948 是「独特的本地提权漏洞（LPE）」的数量，判定依据是生成了 948 个不同的补丁——变体分析去重后，每个补丁对应一个唯一漏洞。这些漏洞能让非特权本地用户拿到 root 权限。要理解这个数字，得看它背后的漏斗：一次运行（2026 年 10 月中旬）里，Scout 识别出 5034 个审计目标、约 280 万行代码（约占内核总代码 7%）；Analyst 产出 2308 个候选发现；动态验证复现 1724 个；最终得到 291 个信息泄露 PoC 和 1169 个可用 LPE 利用，去重后是 948 个独特 LPE。
五阶段 pipeline
流程是标准的漏洞研究自动化，分五步。第一，Scout 代理读每个文件，按「低权限可达 + 安全相关」选出审计目标。第二，Analyst 代理读代码、理解威胁模型、找漏洞，12 小时内产出候选。第三，动态验证：Triage 代理为每个候选生成 PoC，在带 KASAN 的隔离虚拟机里跑，30 小时内复现 1724 个（约 74.7%），只有 3.1% 的失败是模型分析错误。第四，可利用性评估：ExploitDev 代理在启用 SMEP/SMAP/KASLR/HARDENED_USERCOPY 的完整防护虚拟机上开发出 1169 个可用利用。第五，补丁生成加人工审查：安全研究人员复核后才报给维护者。
成本
主运行总 API 成本约 121 万 3430 美元，每个 LPE 利用平均约 1279 美元。分阶段看，利用开发最贵（77 万 5929），Analyst 次之（31 万 6549），Scout 最便宜（3426）。OpenAI 明确说这是成本「上界」——研究重点在方法论而非成本，足够的 harness 工程能把每阶段成本显著压下来。对比七月用 GPT-5.6 Sol 的扫描：166 个独特 LPE，端到端 51 万 3690 美元。
与 GPT-5.6 Sol 的对比
这次 10 月的运行用的是未命名的新 cyber 模型，发现 948 个 LPE，是七月 GPT-5.6 Sol（166 个）的五倍多，而中间还隔着三个月的内核加固期。更早的 GPT-5.5 Cyber（6 月）只开发了 24 个 LPE 利用。这条曲线是全文最直接的结论：更强的模型能找到更多漏洞，而且不是靠模式匹配已知漏洞——是能产出新颖利用技术。
新颖利用技术
从 166 个采样利用里，代理用到了至少 10 种（据 OpenAI 所知）新颖的 Linux 利用技术：2 种持久弹性对象喷洒、2 种 page grooming、5 种 data-only 提权、1 种任意类型混淆。第三方内核利用专家也确认这些技术对他们来说是新的。技术细节因安全原因未公开。还有一个值得记下的坑：早期运行报告了 200 个成功 LPE，人工审查发现其中 20 个是靠「被分配漏洞之外的另一个 0-day」拿到 root 的——这提醒了「验证结果之外，还要验证到达结果的路径」。
对开发者的信号
数据里几个信号很明确。一是修复在快速跟进：扫描加人工分析 10 天内，61 个 LPE 已在上游修补，43 个有暂存补丁，299 个正在公开报告讨论。二是经济账：948 个利用的假设估值 1890 万到 6630 万美元，约为 pipeline 成本的 16 到 55 倍，OpenAI 的结论是「在当前 cyber 模型下，这套漏洞研究 pipeline 是净盈利的」。三是战略判断：对一个资源充足的威胁者，未及时打补丁系统上的低权限账户，功能上应等同于 root 访问。纵深防御、沙箱隔离、反复扫描、投资高保障软件，是它给出的配套建议。
待观察
948 只是单一数据点，它验证的是「发现 + 验证 + 生成补丁」这条链能规模化，但补丁质量、误报率、以及对真实攻击者利用行为的影响，还需要更长时间观察。对做安全的人，最值得记下的是那句方法论提醒：自主安全研究里，隔离、监控和独立检查是必要控制，不能只看结果对不对。