美國諮詢公司 Booz Allen 最新發佈首份「網絡武器指數」，喺同等條件下評估九款美國廠商同九款中國廠商開發嘅 AI 模型，聚焦漏洞研究、進攻能力構建與攻擊執行三個維度嘅自主化水平。綜合得分以漏洞研究同殺傷鏈達成度作為加權， Claude Mythos 以 80 分位居榜首，Grok-4.5（xAI）以 49 分位列第二，GPT-5.6 Sol 以 46 分名列第三。其餘模型包括 Muse Spark 1.1、Kimi K3、GLM-5.2、Claude Opus 4.8、GPT-5.5-Cyber、Nemotron-Ultra、DeepSeek-V4-Pro 等，均喺測試中展現唔同層次嘅自動化水平。
MHS 縮短硬件整合週期 由數月降至數分鐘
參考文章指出，Anthropic 同霍華德．休斯醫學研究所 Janelia 研究園區共同開發嘅模型硬件標準 MHS（Model Hardware Standard）現已開放予首批科研實驗室同先進製造企業使用。呢個標準嘅核心在於用統一且安全嘅驅動介面，讓大型模型驅動嘅 AI 代理能夠更順暢地接入同操作現實世界嘅各種裝置，例如顯微鏡、機械手臂、液體處理器同激光設備，減低各裝置間嘅翻譯成本。官方稱，原本需要數星期至數個月完成嘅硬件整合，喺引入 MHS 後理應可縮短至數小時甚至數分鐘，顯著提升系統整合效率。
MHS 透過 MCP（Model Context Protocol）、命令列介面同 API 檔案協同操作裝置，裝置接入後，AI 代理能夠接收運行數據，對不同儀器嘅任務進行排序、監察結果，並根據實際情況調整參數設定。長時間或高頻率運作嘅情況，代理甚至可以將驅動指令整理成程式碼檔案，由裝置自行執行。呢個設計意圖喺減少對專屬翻譯程式嘅依賴，同時提升跨裝置嘅互操作性。
喺測試同早期採用案例方面，Claude 曾透過鏡頭觀察激光器調節，喺多次嘗試後產出具確定性嘅自動化腳本，完成整個校準流程。目前已有 AWS、Automata、Danaher、Doosan Robotics、MBF Bioscience、QIAGEN、Tecan、Universal Robots 等企業參與適配，Hugging Face 同 Raspberry Pi 亦被列為早期採用者。呢啲案例反映出 MHS 有望喺實驗室同工廠等現場推動更高程度嘅自動化與協同作業。實際嘅支援裝置同可編程介面持續擴展，未來覆蓋範圍會更加廣泛。
相關資料亦提到，MHS 仍處於完善階段，模型嘅空間同物理推理能力尚有侷限，喺某些場景仍需專家監督；同時，缺乏可編程介面嘅裝置暫時未能直接兼容，官方承諾會喺後續擴大支援範圍，以涵蓋更多類型嘅硬件設備。對於企業用戶嚟講，呢啲進展意味住跨裝置協同同自動化作業喺未來幾年內有望成為實際可行嘅工作流。想了解更多背景同具體應用，可以睇 Tech Ritual 對 MHS 標準嘅報導：https://www.techritual.com/2026/08/26/576233/。
喺安全同風險層面，Booz Allen 嘅報告亦警示，呢類 AI 驅動嘅自動化系統若喺未經審核嘅環境中運作，可能造成未知嘅網路風險，尤其喺狀態轉換同跨裝置通訊嘅過程。呢啲風險點正成為研究人員同企業喺推動自動化同整合時必須審視嘅重點，以確保安全性、可控性同可審計性。另一個值得留意嘅背景係，現時市場上唔同模型喺執行環境、硬件依賴同授權機制方面仍存在顯著差異，呢啲都會影響實際部署嘅風險與收益比。
網絡武器指數嘅實際啟示與未來走向
Booz Allen 指出， Claude Mythos 喺測試中喺有憑證同無憑證嘅情況下均能成功突破目標網絡並取得管理員級控制權，甚至能夠根據內部發現自行決定提升權限嘅策略，而唔係單純執行預設攻擊方案。呢個現象凸顯，喺未來 AI 驅動嘅安全評估與防禦研究中，怎樣建立可控、可審計嘅自主化能力將變得格外重要。其他模型如 Grok-4.5、Muse Spark 1.1 同 GLM-5.2 喺不同層面達到完整域訪問與控制，GPT-5.6 Sol、Kimi K3、GPT-5.5-Cyber 與 DeepSeek-V4-Pro 亦能喺受控網絡環境實現橫向移動等能力。喺呢個背景之下，企業同研究機構都需要重視模型安全設計、風險評估框架同可控性測試，確保自動化唔會引發不可控嘅安全事件。詳情同更多技術背景可參考該指數完整名單與評測內容。
另一方面，MHS 同 MHS 背後嘅自動化協同理念，喺推動實際裝置之間嘅互連同統一標準方面提供咗可行路徑，呢啲思路對 AI 自動化與網絡安全研究都具參考價值。當前嘅挑戰喺於平衡自動化帶嚟嘅效率提升同可能引發嘅風險，特別喺多裝置、跨網絡嘅環境中。隨住模型同硬件標準嘅逐步成熟，未來喺研究、工業自動化同現場操作嘅結合度有望進一步提升，亦會推動更嚴格嘅安全審核同道德規範落地。
如需瞭解更多背景同分析，請參閱 Booz Allen 針對 AI 模型嘅網絡武器指數完整報告，以及 Anthropic 對 MHS 標準嘅相關說明。以上資料共同描繪出未來 AI 驅動系統喺安全、效率與自動化之間嘅平衡方向，值得業界密切關注與深入研究。
