当 AI 不再只是"帮你找漏洞"，而是自己动手挖漏洞、写利用链。安全行业的基本假设，正在被 32 个智能体在 27 分钟内推翻。

Redis 的8.8.0，从 7 月 23 日开始，有一个公开的 GitHub 仓库里放着一条针对它的 RCE 利用链——而且这条利用链是 AI 写的

7 月 23 日，安全研究员 Chaofan Shou 在 X 上发了一条消息：他让 32 个 Kimi K3 智能体协同工作，先克隆 Redis 源码，然后自己写 fuzzer 做测试，用 GDB 分析崩溃，定位漏洞，寻找利用路径，最终生成了一条完整的远程代码执行利用链。整个过程，27 分钟。

Redis 在同一天发布了 7 个安全更新，覆盖 6.2.22 到 8.8.0 四个版本分支。公开的 PoC 代码已经能在 GitHub 上找到。

---

区别在于

过去两年，AI 在安全领域的进展一直在"辅助"这个范畴里打转。AI 帮你分析代码、帮你写检测规则、帮你做漏洞分类——但最后的判断和利用，还是得人来做。

Kimi K3 这次做的事，跨过了那条线。

32 个智能体像一支分工明确的团队在协作。有的负责读源码、有的负责写 fuzzer、有的跑测试、有的调 GDB、有的把崩溃信息转化成利用链。它们不需要人类在中间做决策——目标设好，它们自己跑完。

这是 AI 第一次在真实世界的软件上，自主完成了从"发现漏洞"到"生成利用链"的全流程。

这是一个定性跨越，不是量变积累。

你可能会说"这不就是自动化 fuzzing 吗？"

传统 fuzzing 的问题从来不是"能不能撞出崩溃"，而是"撞出崩溃之后怎么办"。一个 fuzzer 可以产生几百万个 crash，但分析每一个 crash 是不是可利用的、能不能转化成利用链——那是最耗人的环节。人类安全研究员花在这个环节的时间，占整个漏洞利用流程的 80% 以上。

Kimi K3 跳过了这个瓶颈。它不需要等人类来一个个分析崩溃。它生成崩溃，然后直接分析、筛选、利用。

这就是那 27 分钟背后的真实含义。

---

一条加速的曲线

如果只看到 Kimi K3 这一个事件，你可能会觉得这是孤立的天才表演。

但把它放在一条时间线上看，就不一样了。

2026 年 4 月，Anthropic 宣布 Project Glasswing。他们用 Claude Mythos Preview 模型做了一次安全测试——模型自主发现了数千个零日漏洞，覆盖所有主流操作系统和浏览器。一个 27 年历史的 OpenBSD 漏洞、一个 17 年历史的 FreeBSD 远程代码执行漏洞，都被 AI 翻了出来。而且，Mythos 是一个通用模型，这些能力是"通用能力提升的副产品"——它变聪明了，顺带就会挖漏洞了。

Anthropic 的结论是：这个模型不能公开。他们把 Mythos 限制在 12 个合作伙伴内使用，并承诺投入 1 亿美元算力做防御。

2026 年 7 月 15 日，安全公司 Intruder 发布了一套全自动漏洞发现流水线——他们管它叫"漏洞自动售货机"。AI 令牌进去，零日漏洞出来。这套流水线已经在 WordPress 插件中发现了真实的 SQL 注入漏洞（CVE-2026-3985）。

2026 年 7 月 16 日，Capital One 开源了 VulnHunter——一个基于 Claude Opus 4.8 的 AI 安全分析工具。它从攻击者视角分析源码，自带的"证伪引擎"会主动挑战自己的结论，以此减少误报。

2026 年 7 月 23 日，Kimi K3 的 27 分钟 Redis 零日。

四个事件，前后不到四个月。趋势已经很清楚：AI 安全能力的商品化正在加速。4 月份 Mythos 的能力还被 Anthropic 锁在保险柜里，7 月份 Kimi K3——一个开源模型——在公开可用的 API 上再现了类似的能力。

从"只有一家公司能做到"到"任何能下载模型的人都能做到"，间隔只有 3 个月。

---

发现不再是瓶颈，修复才是

安全行业过去几十年的运作，建立在一组假设上：

• 零日发现是稀缺的，需要顶尖专家花大量时间
• 从发现到利用有足够的时间差
• 90 天的披露窗口是合理的安全裕度

这三条假设，在 AI 自主漏洞挖掘面前，正在一条条瓦解。

零日发现不再是稀缺的。Mythos 在几周内找到了数千个，成本不到 2 万美元一个。Kimi K3 在 90 分钟内找到了 19 个（自述），成本大约是 $1,000 的算力。Intruder 的流水线不到 $100 就挖出一个真实漏洞。

发现到利用的时间差正在趋近于零。Kimi K3 找到漏洞后没有停下来等人，它直接生成了利用链。27 分钟覆盖了发现加利用的完整流程。

90 天披露窗口？如果攻击者可以在 27 分钟内完成从发现到利用的全流程，防守方需要的不是 90 天，而是 90 分钟。

你的组织能在一小时内完成 Redis 的安全升级并验证吗？

99% 的组织不能。这不怪你们——这些流程本来就不是按这个速度设计的。安全更新的验证、灰度发布、回滚方案，都是针对"人类速度"优化的，而攻击者已经在用 AI 速度了。

---

被忽视的真相

这个话题里有一个被大多数人忽略的变量。

很多人看到 Kimi K3 的新闻，第一反应是"中国 AI 又赶上来了"。这个角度不能说错，但它遮蔽了更重要的一层。

Kimi K3 是开源模型，权重可以下载，可以在自己的基础设施上部署，可以绕过任何 API 限制。Anthropic 可以把 Mythos 锁起来，但 Kimi K3 的同类能力已经在公开渠道流通了。

这是全球性能力跃迁，不是"中美 AI 竞争"能概括的。美国再怎么限制中国模型，也无法阻止一个开源模型的能力被任何人使用——包括美国的攻击者、俄罗斯的攻击者、任何国家的攻击者。

真正的新分裂线在别处：拥有 AI 安全能力的人 vs 没有的人。

另一个反讽的细节来自同时发生的另一个事件。OpenAI 的智能体攻击了 Hugging Face，而 Hugging Face 在追查攻击路径时，发现美国闭源模型的安全限制太严，无法处理包含真实攻击命令的日志分析。最后他们部署了中国开源的 GLM-5.2 来完成调查。

闭源模型发动了攻击，开源模型帮助了防守。这个事实揭示了一个结构性不对称：攻击者不受限制，防守者却受制于安全策略。如果防守方要追上攻击方的速度，他们需要的不是更严的合规，而是同样开放的工具。

---

安全行业的下一站

写到这里，你应该已经感觉到这篇文章不是要唱衰什么。

趋势很清楚，但趋势本身不是末日。知道发生了什么，比假装没发生要好。

有几个事情正在变得紧迫：

第一，如果你的组织管理着任何面向公众的软件基础设施，现在就应该开始考虑"AI 速度"的补丁流程。 不是明年，不是下个季度，是现在。Redis 只是第一个公开案例。32 个 Kimi K3 智能体可以扫描 Redis，就可以扫描任何开源代码库。你的基础设施中大概率有比 Redis 更脆弱的组件。

第二，"零日发现靠运气"的时代正在结束。 当 AI 可以系统地扫描代码库、发现未知漏洞、生成利用链，零日将不再是稀缺资源。这意味着你的安全策略不能继续建立在"攻击者不太可能发现这个漏洞"的假设上。

第三，防守方需要自己的 AI。 攻击者只需要找到一个漏洞，防守者需要堵住所有漏洞，这本就是一场不对称的竞赛。但如果防守方也拥有 AI 驱动的漏洞发现和修复能力，这个不对称可以被缩小。Capital One 的 VulnHunter 和 Intruder 的流水线说明了方向：防守方同样可以用 AI 加速发现和修复。

---

过去几年，AI 安全领域最常被问的问题是："AI 会不会失控？"

这个问题可能问错了方向。

更值得追问的是：AI 拿到工具之后能做什么？我们能接受它做什么？

而比这更大的问题是：AI 拿到工具这件事，已经没法阻止了。开源模型在流通，权重可以下载，能力在商品化。不管我们是否准备好，AI 驱动的攻击和防御已经在同一条赛道上加速。

第一个被 AI 攻破的基础设施出现，只是时间问题。我们能做的，是确保自己站在防守的那一边，而且速度足够快。

参考来源：

· The Hacker News, "Kimi K3 Agents Found Redis Zero-Days and Built RCE Exploit", 2026-07-24

· Redis Advisory, 7 security updates, 2026-07-23

· Chaofan Shou (@Fried_rice), X post, 2026-07-23

· Anthropic, "Project Glasswing", 2026-04-07

· Capital One, "VulnHunter Open Source", 2026-07-16

· BleepingComputer, "AI vulnerability vending machine", 2026-07-15