在 AI 代理程式（AI Agents）深入軟體開發日常的 2026 年，我們對於 AI 的關注焦點除了它能寫出多少程式碼，也包括它能找出多少漏洞。
科技策略專家 Drew Breunig 日前發表了一篇名為《Cybersecurity Looks Like Proof of Work Now》（網路安全現在看起來就像工作量證明）的文章，說明了新一代 AI 資安模型的驚人能力，更指出網路安全的底層邏輯已經被徹底改寫。
Anthropic Mythos 與沒有極限的漏洞提款機
由於 Anthropic 近期研發、卻因在電腦安全任務上能力過強而暫不對大眾公開的新模型 Mythos，是市場的焦點，目前僅提供給關鍵軟體開發商測試與加固系統安全上。
Breunig 在文章中引用了英國人工智慧安全研究所（AISI）針對 Mythos 的第三方分析報告。AISI 設計了一項名為「The Last Ones」的 32 步驟企業網路攻擊模擬（人類專家需耗時約 20 小時）。
測試相關資料是這樣的，AISI 為模型每次嘗試編列了 1 億個 Token 的預算（折合約 $12,500 美元）。
在對 Mythos、Opus 4.6 以及 GPT-5.4 進行的 10 次測試中，Mythos 是唯一成功完成任務的模型，成功率為 3/10（總測試耗費 $12.5 萬美元）。
最駭人的發現是，在尋找漏洞這件事上，AI 沒有表現出邊際效益遞減。 只要你繼續提供 Token 預算，模型就能繼續找出新的漏洞。
資安淪為算力的工作量證明
基於上述資料，Drew Breunig 提出的想法是，未來的資安防禦，將退化為一條簡單暴力的經濟學方程式。他認為，「要加固（Harden）一個系統，你必須花費比攻擊者更多的 Token 去發現並修補漏洞。你不必比別人聰明，你因為付了更多錢而獲勝。」
這種機制就像加密貨幣的工作量證明（Proof of Work, PoW），只要你買足夠的 Token 算力，你就有機會搶先挖出漏洞。
在這種算力即安全的新常態下，Breunig 點出開源軟體（OSS）反而會變得比以往更有價值。因為 Linus 定律（給定足夠的眼球，所有的 Bug 都將浮現）在 2026 年已經擴展為給定足夠的 Token。企業可以集資共享算力預算來稽核開源專案，而閉源軟體則必須孤軍奮戰，獨自承擔龐大的 AI 掃描開銷。
開發者與防禦者該怎麼辦呢？
CyberQ 以資安從業的角度來看，這個看似由算力決定一切的未來，其實可以有更深層次的探討，
1、防禦者其實享有不對稱優勢
雖然帳面上看起來是比誰有鈔能力，口袋誰的夠深，但實際上 CyberQ 認為，防禦方擁有絕對的效率優勢，在美國與一些先進市場，藍隊的優秀人才，薪資是可以比紅隊要高不少的。攻擊方假設利用工具、 API 或二進制檔案進行全盤掃描，而擁有原始碼的防禦方，可以直接將 AI 的注意力集中在剛修改過程式碼的 PR（Pull Request）上。在同樣燃燒 Token 的情況下，防禦者的效率遠高於攻擊者，因此長遠來看，這類資安模型反而會讓世界更安全。
2、資安沒有所謂的 AI 垃圾 (Slop)
在 AI 充斥的時代，許多人抱怨網路上充滿 AI 生成的垃圾內容（Slop）。但是在資安領域，漏洞研究最棒的地方在於，漏洞要麼存在，要麼不存在。世界上沒有所謂的 Slop 漏洞。只要 AI 能精確跑出權限升級或提權的步驟，它就是一個具備實質價值的產出。
3、原始碼外洩的災難性升級
不過在實務上，過去員工電腦被駭或原始碼外流可能只是虛驚一場，因為攻擊者不一定有精力去翻找你龐大的程式庫，但現在，駭客只需把外流的程式碼丟給廉價的模型進行自動化掃描，幾個小時內就能將程式碼中的微小瑕疵轉變為致命的權限升級攻擊，因此企業資料外流的風險與相關管控 DLP 的措施會比以往更重要。
4、軟體經濟學的重塑
面對高昂的 Token 審計成本，軟體該如何發展？CyberQ 認為，未來的開源軟體可能會轉變為「開放規格（Open Spec）」。人類可能不需要再編寫或維護具體的大量原始碼，而是維護高階規格，實際的程式碼由模型在部署時即時生成。屆時，所有的資安與治理壓力，都將轉移到 AI 模型層面來解決。
迎接加固作為獨立階段的時代
CyberQ 認為，我們在 AI 蓬勃發展的當下，已經看到了軟體開發流程的可能變革。未來的 Agentic（代理化）開發將被明確拆分為前期開發與後期加固，人類的介入與決策是前期的瓶頸，而金錢與 Token 預算則是後期的唯一限制。
當花錢買 Token成為捍衛系統安全的必要成本時，每一家科技公司都必須重新盤算，你的防禦預算，跑得贏隱藏在暗處的 AI 駭客嗎？怎樣掌握藍隊應該有的優勢，開發出適合自己防禦的流程和避免資料外流，將是未來的持續強化重點。
