Могут ли агенты ИИ повысить безопасность Ethereum? OpenAI и Paradigm создали тестовую площадку

Кратко

• EVMbench тестирует ИИ-агентов на 120 реальных уязвимостей смарт-контрактов Ethereum.
• Инструмент оценивает обнаружение, исправление и эксплуатацию в трех различных режимах.
• GPT-5.3-Codex достигла 72,2% успешных случаев в тестировании режима эксплуатации.

Создатели ChatGPT, компания OpenAI, и инвестиционная фирма Paradigm, специализирующаяся на криптовалютах, представили EVMbench — инструмент для повышения безопасности смарт-контрактов Ethereum Virtual Machine. EVMbench предназначен для оценки способности ИИ-агентов обнаруживать, исправлять и эксплуатировать уязвимости высокой степени серьезности в смарт-контрактах EVM. Смарт-контракты — это сердце сети Ethereum, содержащие код, который обеспечивает работу децентрализованных финансовых протоколов и запуск токенов. Согласно Token Terminal, еженедельное число развернутых на Ethereum смарт-контрактов достигло рекордных 1,7 миллиона в ноябре 2025 года, а за прошлую неделю было развернуто 669 500 контрактов.

EVMbench использует 120 тщательно отобранных уязвимостей из 40 аудитов, большинство из которых взяты из открытых конкурсов аудита, таких как Code4rena, сообщает блог OpenAI. Также в инструмент включены сценарии из процесса аудита безопасности для Tempo — специально созданного для высокой пропускной способности и низких затрат блокчейна уровня 1, разработанного компанией Stripe. Гигант платежных систем Stripe запустил публичный тестнет Tempo в декабре, заявив, что его создание проходило с учетом мнений Visa, Shopify и OpenAI, среди прочих. Цель — провести тестирование на реальных, экономически значимых кодах, особенно по мере расширения платежей в стабильных монетах, управляемых ИИ, добавили в компании.

Представляем EVMbench — новый бенчмарк, измеряющий, насколько хорошо ИИ-агенты могут обнаруживать, эксплуатировать и исправлять уязвимости смарт-контрактов высокой степени серьезности. https://t.co/op5zufgAGH

— OpenAI (@OpenAI) 18 февраля 2026

EVMbench предназначен для оценки моделей ИИ в трех режимах: обнаружение, исправление и эксплуатация. В режиме «обнаружение» агенты проводят аудит репозиториев и оцениваются по точности выявленных уязвимостей. В режиме «исправление» они должны устранить уязвимости, не нарушая запланированную функциональность. В финальном режиме «эксплуатация» агенты пытаются провести атаки, выводящие средства из системы, в изолированной среде блокчейна, а оценка осуществляется через детерминированное воспроизведение транзакций. В режиме эксплуатации GPT-5.3-Codex, работающая через CLI Codex от OpenAI, набрала 72,2%, тогда как GPT-5, выпущенная шесть месяцев назад, показала 31,9%. В задачах обнаружения и исправления показатели были ниже, так как агенты иногда не проводили аудит полностью или испытывали трудности с сохранением полной функциональности контрактов. Исследователи OpenAI предупредили, что EVMbench не полностью отражает сложность реальной безопасности. Тем не менее, они подчеркнули, что измерение эффективности ИИ в экономически значимых средах важно, поскольку модели становятся мощными инструментами как для атакующих, так и для защитников. Сам Альтман из OpenAI и соучредитель Ethereum Виталик Бутерин ранее расходились во мнениях о скорости развития ИИ. В январе 2025 года Альтман заявил, что его компания «уверена в том, что знает, как создавать AGI, как мы его традиционно понимаем». В то время как Бутерин выступил за включение в системы ИИ функции «мягкой паузы», которая могла бы временно ограничивать работу ИИ на промышленном уровне при появлении тревожных признаков.