肆七小站肆七小站

2026-08-11 · coding agent 安全失守，主战场转向 harness

2026年8月11日阅读时长约 1 分钟

8/11 的 AI Coding 主线是"harness 与基础设施成为主战场"：Claude Code 将于 8/14 默认启用 auto mode 拦截危险操作，Black Hat 披露匿名 GitHub Issue 即可触达三大编程智能体的 CI 密钥（Gemini CLI 漏洞 CVSS 10.0），评测前三仅差 2 分、YC 开源 model-agnostic harness 印证竞争从模型智商转向权限、隔离与编排；具身侧 8 月"机器人超级月"催化窗口开启、摩根士丹利上调中国出货预测，智元全模态大模型登顶 DailyOmni。

1. Claude Code 将于 8/14 默认启用 auto mode，把危险操作拦在分类器里

  • 事件内容：
    • 8 月 7 日 Anthropic 宣布，自 8 月 14 日起，Claude Code 在 Pro / Max / Team 套餐的新会话将默认以 auto mode 运行：不再逐步弹窗要权限，而是每次工具调用都过一个独立分类器，拦截"不可逆、破坏性、越出用户环境"的动作；被拦后 Claude 会改走更安全路径或直接问人。连续 3 次或单会话 20 次被拦才退回手动审批。
    • Anthropic 同步取消该分类器的额外 token 计费。支撑这一改动的实测数据很硬：1053 名付费测试者中，人工只识破 13.6% 的危险命令，auto mode 拦下 89%；用户在 Claude Code 里习惯性批准 97% 的权限请求（长会话后人工识别率跌到约 5%）；启用 auto mode 的团队 PR 产出约多 25%。Adobe、Nuro、Gusto 等已在生产环境把它当默认。新增硬规则还覆盖数据外泄、提示注入扫描、破坏性 git 操作前查状态等。
  • 值得关注原因：这把 coding agent 的"人审"从橡皮图章变成真正的安全边界——当手动批准率 97% 时，human-in-the-loop 已是表演。更深一层：能力越强，竞争焦点从"模型多聪明"滑向权限/隔离/默认策略这些 harness 层。对企业把 coding agent 接进代码库与 CI 是直接信号——默认配置本身就是安全控制面，8/14 前应重新评估团队的信任边界与审批 runbook。
  • 来源：Inside AI · Claude Code Auto Mode Default · Gadgets360 · Auto Mode Becomes Default · 格隆汇 · 8/14 默认 auto mode

2. Black Hat 2026：一个匿名 GitHub Issue 就能摸到三大编程智能体的 CI 密钥

  • 事件内容：
    • Black Hat USA 2026（8 月 5 日）上，Novee Security 研究员 Elad Meged 演示：一个没有任何仓库写权限的匿名 GitHub 账号，只开一个 issue，就能触达接进该仓库 CI 工作流的 AI coding agent 所持有的凭证。受影响的默认配置横跨 Anthropic Claude Code、Google Gemini CLI、OpenAI Codex 自家参考仓库，且同类脆弱配置在 100+ 公开仓库中同样存在。
    • 两个拿了正式编号：CVE-2026-54316（Claude Code，用预批准的 Hugging Face 域名把 API key 一个字符一个字符外泄到下载计数器）、CVE-2026-12537（Gemini CLI 及其 GitHub Action，CVSS v4 满分 10.0，沙箱初始化前即在 CI 主机执行任意命令）。Codex 的问题 OpenAI 视为"预期行为"、未给 CVE，把工作流改造留给用户。三家均已打补丁或加固。
  • 值得关注原因：这是上一则 auto mode 的"反面教材"——失败点不在模型，而在 harness：命令校验、沙箱边界、进程隔离、域名白名单的字符串解析逻辑。更好的提示词或更强的系统指令堵不住这类洞。对跑在 GitHub Actions / CI 里的 agent，结论是硬性的：隔离作业、消除共享可写状态、最小化 token 权限、把每个 agent 可读文件当不可信输入。CVE 项目也因此新增首个 AI 原生 CNA（ENISA 管 AISLE、CISA 指定 Anthropic 为 CNA），漏洞披露基础设施开始因 AI 扩容。
  • 来源：Cloud Security Alliance · Comment and Control · The Cyber Edition · Critical Flaws Expose GitHub Workflows · CISO Daily Briefing 8/8

3. 评测与开源 harness 印证：coding 竞争从"模型智商"转向"权限、隔离、编排"

  • 事件内容：
    • 两件事把同一结论讲清楚了。其一是 BenchLM 编程榜 8/2 更新：Claude Mythos 5 综合 80.1 居首，仅领先 Claude Fable 5（79.8）与 GPT-5.6 Sol（78.4）约 2 分——三家闭源前沿模型在 SWE-bench Pro + LiveCodeBench 上已贴脸，单看"模型智商"很难拉开身位。
    • 其二是 Y Combinator 于 7/31 开源其内部用的多智能体 harness「QM」（MIT 许可，yc-software 组织）：核心是模型无关的编排循环，同一套能在 Pi、OpenCode、Codex 或 Claude Code 上跑，云端优先、自带 Slack/Web 界面，YC 用它管自己的财务、法务、活动与工程。它处在与 coding agent 同层的"harness"位置，而非与模型竞争。
  • 值得关注原因：当评测前三差距收敛到 2 分、而"换 harness 就能换模型"的开源工具出现，团队选型的性价比拐点就变了——模型可商品化，真正拉开差距的是围绕它的记忆、权限、沙箱与编排。这与今日第 1、2 条完全同频：auto mode 是权限层的产品化，Black Hat 失守是隔离层的债，QM 是把编排层开源出去。下一阶段 coding 的护城河在 harness，不在榜单分数。
  • 来源：NeuralCoreTech · Benchmark Shakeup · [Inside AI 周趋势 coverage]

4. 8 月"机器人超级月"催化窗口开启，摩根士丹利上调中国出货预测

  • 事件内容：
    • 8 月被机构称为机器人"超级月"：技术、资本、产业会议、政策多维利好共振。8/12–14 第四届上海具身智能机器人产业大会揭幕（整机、核心零部件、算法企业与汽车/3C 终端用户一对一对接，上海企业首次以区域展团集中亮相）；8/19–23 世界机器人大会（WRC，北京，300+ 企业、2000+ 展品、150+ 首发）；8/22–26 第二届世界人形机器人运动会（赛项扩至 50 个，被视作量产产品的真实场景"公开压力测试"）；比亚迪人形机器人计划 8 月发布、探路"迪空间"服务场景。
    • 资本端同步升温：宇树科技科创板 IPO 询价/打新推进（拟募 42.02 亿、估值约 420 亿）；摩根士丹利将 2026 年中国市场出货预测从 2.8 万台上调至 5 万台，并预期 2030 年达 44.6 万台。国内人形龙头上半年营收预计同比增超 35%、已实现规模化盈利。
  • 值得关注原因：这是把"具身量产爆发"从口号推进到可验证的催化节奏——会议密集、资本开门、出货预测上修，标志行业从概念洗牌进入真实交付与规模化。但窗口也是"压力测试"：运动会与 WRC 把样机拉进真实场景，短板（续航、成本、场景适配）会被放大。对关注供应链的团队，核心零部件（电机、减速器、传感器、电子皮肤）与"数据—模型—量产"闭环是更稳的抓手。
  • 来源：腾讯新闻 · 8 月机器人"超级月" · 经济参考报/新浪 · 具身智能加速走向应用

5. 智元 WITA-Omni 全模态大模型登顶 DailyOmni，浦东具身从"演示级"迈向"实用级"

  • 事件内容：
    • 8 月 9 日浦东具身智能动态密集：智元自研的具身原生全模态大模型 WITA-Omni（Preview）以 85.21 分登顶 DailyOmni 全模态理解权威榜单，八项细分指标中六项第一。它的关键不是把聊天模型"装进"机器人，而是把物理动作与表情提升到与语音并列的一级输出，用原生端到端模型统一驱动感知、决策与表达；训练用千万小时级多模态数据，并构建了保留"声画—语言—动作—表情"天然时序的高质量数据集，让机器人学会判断"该不该回应、何时回应、回应谁"。
    • 场景侧同步落地：国家地方共建人形机器人创新中心（国地中心）携手百联集团，共建全国首个可持续迭代的商业零售人形机器人应用高地，依托"麒麟训练场"形成"技术研发—场景验证—数据反哺—迭代升级"闭环，推动行业从"演示级"走向"实用级"。
  • 值得关注原因：全模态"懂交互"是服务/商业场景落地的核心感知门槛——机器人得先"听见、看懂、判断交互对象与时机"，才能从会说话的工具变成有在场感的硅基伙伴。智元把动作/表情当一等输出 + 自建有时序的数据集，是比起"堆参数"更贴近真实交互的路线；而国地中心 × 百联把真实零售场景当训练场，意味着数据飞轮开始从实验室转到商业现场，这恰是具身跨越"炫技→上岗"的关键一跃。
  • 来源：上观新闻/新浪 · 浦东加速驶向人形机器人实用时代
返回首页