上海团队闯进国际AI安全榜前三

就在上个月，OpenAI一款大模型在内部测试时“失控出逃”——自主发现漏洞、规划路径，成功入侵知名开源平台Hugging Face。事后，美国主流模型在恶意载荷分析中集体失灵，测试方不得不转用中国开源模型完成溯源。

当AI开始“自作主张”，安全可控的紧迫性已从实验室渗入现实。

在2026世界人工智能大会暨人工智能全球治理高级别会议开幕式上，习近平主席在主旨讲话中提出4点意见，其中第二条就是“强化风险意识，确保安全可控”。仅半个月后，国际权威AI安全榜单公布，来自中国的“实战化答卷”闯进前三。

由加州大学伯克利分校提出的CyberGym网络安全基准公布最新排名，来自中国的DoGNAVY以90.8%的通过率排名全球第三，仅次于微软MDASH和谷歌DeepMind等打造的Atlas，将OpenAI、Anthropic甩在身后。据悉，DoGNAVY由国内顶尖人工智能研究机构与上海安全团队达酷诺威（DARKNAVY）联合研发。

没有题库的实战大考

CyberGym并非知识竞赛，而是把AI丢进拥有上百万行代码的真实软件项目，只告知“有漏洞”，要求自行理解并现场演示利用。

1507项任务全部来自188个开源项目中已修复的历史漏洞，是目前规模最大的AI智能体安全基准。为防止“背答案”，DoGNAVY被清空所有相关记忆和参考资料，逐题从零开始。最终，它通过了1369道题。

排在DoGNAVY前面的微软MDASH和Atlas，均采用多个顶级闭源模型“拼装作战”。这条路线足够强大，但有个前提——你得同时买得到、也用得起最强的那几个闭源模型。而对国内团队来说，这不仅意味着成本，更是可获得性与自主性的挑战——部分国际领先模型并未正式向中国市场开放服务。

DoGNAVY选择了另一条路：使用智谱6月开源的GLM-5.2，一个任何人都能自由下载部署的通用模型。这条纯开源路线，以相近的成绩证明了自主技术栈完全能够胜任最严苛的安全任务。

像研究员一样思考

当下的AI智能体早已能操作文件、调用API、访问网络，一条隐藏的恶意指令就可能导致隐私泄露或经济损失。高危漏洞从发现到形成可用攻击能力，正从数周被压缩至数小时。当攻击门槛一路走低，防御不能再只依靠少数顶级专家按年缓慢加强。

DoGNAVY的背后是一套名为AgentDoG的安全框架，它不仅能判断行为是否安全，更能诊断风险源头、追溯失效模式、解释决策动因。团队通过智能筛选与数据净化，用参数量仅为通用大模型千分之一的小模型，在复杂风险识别任务中达到78.4%的准确率，效能比肩顶级大模型，大幅降低安全模型的落地成本。

记者了解到，CyberGym考验的是AI长时间探索、验证与纠偏的能力。DoGNAVY将顶尖安全研究员的工作方式流程化：从程序入口还原调用链与数据约束，以静态分析提出路径，再由动态验证通过覆盖率、崩溃和运行时证据交叉校验。

更重要的是，系统为AI构建了严格的沙箱环境，确保一切操作在隔离中完成，避免重演“失控出逃”。DoGNAVY的成绩因此成为模型能力、系统工程与一线安全经验的综合产物。

全球第三、中国第一，并不只是一个排名，它表明中国AI研究能力、开源大模型与一线攻防经验已经形成有效闭环，能够处理最大规模的专业安全任务。在WAIC 2026凝聚的安全共识下，这条开源实战路径正让顶尖安全能力走出少数机构，成为更多中国创新者可以获得的AI安全力量。

本报记者 郜阳