2026 年 11 月 4 日，OpenAI 发了一篇安全说明，题目是 A thousand fewer paths to root。里面有一轮跑数：候选发现 2308 条，动态复现 1724 条，信息泄露的概念验证 291 个，能工作的本地提权利用 948 个。API 费用写成 1,213,430 美元，大约每个本地提权 1,279 美元。时间写的是 2026 年 10 月中旬那一轮，模型是「即将推出的网络安全模型」，不是一个你今天能在接口里钉死的型号。
这些数是他们自己的报告。我没有重跑，下面也不把任何一条写成「我测过能复现」。
容易出事的地方是门禁文案。有人会把标题收成「模型挖到 948 个内核洞，可以进上线标准」。同一轮跑数至少有四列。列名换一下，分数就变了。
6 月他们在 Patch the Planet 里提过，GPT-5.5 Cyber 做过 24 个本地提权利用，用来验证并报告。11 月这篇是把发现、动态验证、可利用性评估、补丁生成串成流水线。人还在最后：研究人员看完输出，再连补丁一起对外报告。
场景
安全验收的人拿到这篇，被要求补一条发布门禁：智能体必须能发现 Linux 本地提权。材料只有博客上的汇总。没有把目标镜像的版本钉死，也没有写清「动态复现」在他们实验里具体停在哪一步。这种门禁写上去，下一次换模型就没法比。
先拆列，再谈过不过
收证据时至少留这四列，不要并成一个「漏洞数」：
| 列 | 这篇里对应的数 | 还不能当成 |
|---|---|---|
| 候选 | 2308 | 已复现 |
| 动态复现 | 1724 | 已能提权 |
| 信息泄露概念验证 | 291 | 本地提权 |
| 可用的本地提权 | 948 | 维护者已接收补丁 |
目标环境另记一行。他们写的是常用 Linux 发行版上的原装桌面系统，不是削弱过的靶子，威胁模型和 Pwn2Own、TyphoonPWN 那类比赛同一套说法。另外还有一个改过的 kernelCTF 环境，攻击面更小：信息泄露概念验证 25 个，本地提权 21 个，这场 API 费用大约 32,936 美元。两场不能加在一起报成「969 个提权」。
补丁状态再分三档：模型给出的候选补丁、人工看过、维护者收下。这篇写的是人审完再报告，并按内核社区的建议从关键问题开始，后续还要和 Patch the Planet 的伙伴继续报。这不是「948 个补丁已经进内核」。
他们还写到，扫描跑着的 10 天里，看到 100 个以上的 Linux 本地提权已经被别人补上或有暂存补丁，大约还有 300 个在公开讨论。所以「跑出来的当天」和「你开验收会的那天」不是同一份清单。门禁如果只存一个整数，过期了也不知道。
费用也单独放。1,279 美元是这轮 API 额度除以 948，不是市场上挖一个洞的标价。用历史奖金 2 万美元和 7 万美元去乘 948，得到大约 1890 万到 6630 万美元，他们写成约 16 倍到 55 倍成本。那是假设这些利用按历史奖金额被接受，不是已经拿到的钱。kernelCTF 那场他们也做了类似对比：若 21 个被项目接受，奖金大约 150 万美元，约 45 倍扫描成本。对比可以留在备注里，不能当质量分。
一条记录长什么样
单条不写攻击步骤。留这些字段就够复查：来源文章与日期、跑次时间（2026 年 10 月中旬）、模型表述（即将推出的网络安全模型）、环境（原装桌面或 kernelCTF）、口径（四列里的哪一列）、补丁档位、是否人审、费用是否单列。缺字段就标「这篇没写」，不要用总数列回去填。
这是示例记录格式，不是一次已经执行过的回归。
验收标准
一条门禁要过，记录里得同时有这些：
- 数字带口径，候选、动态复现、概念验证、本地提权分开。
- 目标写明是原装桌面还是缩小攻击面的环境，两场不合并。
- 模型有公开名字，或明确写成未公开型号。这篇是后者，就不能写进「指定模型回归」。
- 补丁状态停在实际那一档，不自动升级成上游已接收。
- 费用注明是该轮 API credits。
- 历史奖金倍数不参与通过与否。
少一条，这条门禁就是未完成，不是「大体可信所以先过」。
边界
「据我们所知，至少 10 种新的 Linux 利用技术」是他们的判断，我没有独立名单，不拿来当覆盖率。更强的模型能在旧代码里发现更多问题，这篇后半也有这个说法，同样是他们的观察，不是一份可复跑的用例集。
流水线对测试有用的地方，是它把发现、复现、利用证明、补丁草稿拆开了。验收若把这四步重新捏成一个整数，报告里多出来的那些列就白写了。
AI 生成配图，只是示意，不是实验记录。
