AI漏洞挑战赛实测：GPT-5.5成功率最高，DeepSeek成本仅其1/15

安全研究员 Kasra Rahjerdi 搭建了一个故意留有 Firebase 凭据漏洞的图书评论 APK，测试多款 AI 大模型的安全推理能力。每个模型单次预算为 10 美元、限时 2 小时，总花费 1500 美元。

测试结果显示：

模型	成功次数/总次数	单次成功成本
GPT-5.5	7/10	$9.46
DeepSeek V4 Pro	3/10	$0.62
Claude Sonnet 4.6	2/10	—
Claude Opus 4.8	2/10	—

DeepSeek V4 Pro 的成功率（30%）远低于 GPT-5.5（70%），但单次成功成本仅 $0.62，约为 GPT-5.5 的 1/15。在失败次数中，DeepSeek 有 5 次已接触到 Firebase 但部分路线误判了认证方式——将 Firebase Auth 用于后端接口而非正确路径。这意味着 DeepSeek 在安全推理的路径选择准确性上仍有提升空间，但极低的试错成本让批量运行成为可能：同样的预算下可以多跑 15 倍的测试次数。

Claude Opus 4.8 的案例尤为耐人寻味——多次接近答案但被安全护栏中断了会话。这体现了 AI 安全领域的一个核心矛盾：用于防御的安全护栏同时也限制了模型的进攻性漏洞发现能力。而 GPT-5.5 的成功主要归因于其不被 API 或应用界面分散注意力、能快速锁定核心漏洞（Firebase 凭据）的能力。整个测试中最清晰的结论或许是：在 AI 安全工具的选型中，目前仍需要在"高成功率"和"低成本批量"之间做取舍，尚不存在两者兼得的最优解。