OpenAI 推出加密代币和智能合约安全性基准测试体系

关键要点

• OpenAI 与 Paradigm 共同开发的 EVMbench 已上线，这是一套新的基准测试系统，用于检测、修补和利用以太坊智能合约中的漏洞，评估先进 AI 模型的能力。

• 早期结果显示存在“利用差距”，目前顶级模型在执行攻击方面优于全面审计或修补缺陷——这既反映了 AI 的快速进步，也揭示了新兴风险。

• EVMbench 可能重新定义加密安全标准，为 DeFi 团队提供持续的 AI 驱动审计，并在数十亿美元资产链上转移时提供机构级保障。

在人工智能与区块链技术的重大融合中，OpenAI 正式推出了 EVMbench。该系统由与加密投资巨头 Paradigm 战略合作开发，旨在严格测试 AI 代理在以太坊虚拟机（EVM）生态系统中识别、利用和修复漏洞的能力。

目前，超过 1000 亿美元 的开源加密资产由智能合约保障，风险前所未有。EVMbench 代表了一种积极的转变，利用“前沿模型”来保护去中心化金融（DeFi）免受日益复杂的网络威胁。

资料来源：openai

EVMbench 的三大支柱

EVMbench 超越静态代码分析，通过评估 AI 代理在三种高风险操作模式下的表现。这一“检测-修补-利用”循环模仿了顶级安全研究员的实际工作流程。

• 1. 检测模式（审计员）： 代理扫描复杂代码仓库，发现隐藏缺陷。成功指标为“召回率”——找到“真实问题”的能力，以及模拟的悬赏奖励。

• 2. 修补模式（工程师）： 发现漏洞后，代理需重写代码。基准测试使用自动化测试套件，确保修补方案修复漏洞且不破坏合约的原有功能。

• 3. 利用模式（对手）： 在安全隔离的 Anvil 沙箱 中，代理尝试执行端到端攻击以抽取资金。这衡量代理的攻击推理能力及其将多个小缺陷“串联”成灾难性漏洞的能力。

资料来源：openai

数据集内幕：真实世界的风险

EVMbench 并非基于理论谜题，而是建立在经过筛选的 120 个高严重性漏洞库上，这些漏洞来自 40 次专业审计。大量数据来自真实的审计竞赛（如 Code4rena）和 Paradigm 的内部安全流程（Tempo 区块链）。

通过聚焦“支付导向”合约，确保 AI 模型经过实战检验，能够应对处理数十亿美元流动资金的代码。

基准测试结果：GPT-5.3-Codex 的崛起

OpenAI 内部测试显示，AI 能力正以惊人速度提升。仅几个月时间，顶级模型已从应对基础逻辑问题跃升至执行复杂多步利用。

“利用差距”：有趣的是，代理在 利用（72.2%）方面表现明显优于 修补 或 检测。OpenAI 研究人员指出，代理在面对“单一明确目标”——如“抽取资金”时表现出色，但在进行全面审计的“长尾”任务中仍需更精细的推理能力。

资料来源：OpenAI

重要意义：安全“左移”的转变

对整个加密生态系统而言，EVMbench 不仅是一个评分卡，更是推动 “安全左移” 的催化剂——将顶级审计直接融入编码流程，而非等待部署后再审。

• 民主化安全： 小型 DeFi 团队无法承担 20 万美元的人工审计费用，可以使用 EVMbench 认证的 AI 代理进行持续高精度的代码审查。

• 机构准备： 随着高盛、富兰克林邓普顿等传统金融巨头迁移链上操作，他们需要由标准化基准提供的“黄金标准”AI治理。

• 双重用途挑战： 通过开源基准，OpenAI 和 Paradigm 为“好人”提供工具，以衡量并超越“坏人”，同时维护“可信访问”框架，监控新兴风险。

展望未来

虽然 EVMbench 是一项革命性进步，但目前仅限于确定性沙箱环境。未来版本预计将加入 多链依赖 和 MEV（最大可提取价值） 考量，更好模拟以太坊主网的“黑暗森林”。

随着 AI 代理从“编写代码”迈向“保障经济”，EVMbench 将成为衡量下一代信任less金融的权威标尺。

免责声明： 本文所表达的观点和分析仅供参考，不构成任何财务建议。文中讨论的技术模式和指标可能受市场波动影响，结果未必如预期。投资者应保持谨慎，进行独立研究，并根据自身风险承受能力做出决策。

关于作者： Nilesh Hembade 是 Coinsprobe 的创始人兼主笔，拥有超过 5 年的加密货币和区块链行业经验。自 2023 年推出 Coinsprobe 以来，他通过深入的市场分析、链上数据和技术研究，提供每日研究洞察。