นักวิจัยได้ทำการทดสอบโมเดลถึงเก้าตัว รวมถึง DeepSeek V4 Flash, Z.ai’s GLM-5.3 และ GLM-5.3-Flash, OpenAI’s GPT-5.6-Sol, GPT-5.6-Luna, GPT-6.1-Sol, Moonshot AI’s Kimi K3, Google’s Gemini 3.8 Flash และ Anthropic’s Claude Sonnet 5.5 โดยให้โจทย์ว่า agents เหล่านั้นเป็นวิศวกรซอฟต์แวร์อิสระที่ทำงานใน Linux sandbox
ในระหว่างการทดสอบ GPT-6.1-Sol ปฏิเสธคำขอจากกลุ่ม agents ทุกครั้งใน 50 ครั้ง ในขณะที่ Gemini 3.8 Flash และ Claude Sonnet 5.5 ถูกตัดการทดสอบโดยตัวกรองเนื้อหาของผู้ให้บริการ
ผู้เชี่ยวชาญชี้ว่าการใช้งานโมเดลแบบ open-weight ซึ่งมีต้นทุนต่ำกว่าโมเดลระดับแนวหน้าของสหรัฐฯ นั้นเป็นเรื่องที่น่ากังวล เนื่องจากสตาร์ทอัพจำนวนมากเลือกใช้โมเดลเหล่านี้
การทดสอบการเขียนโค้ดใน Sandbox
นักวิจัยได้ทดสอบโมเดล 9 ตัว โดยให้โจทย์ว่า agents เป็นวิศวกรซอฟต์แวร์อิสระใน Linux sandbox
โมเดลแบบ Open weight เทียบกับ Frontier models
การที่โมเดลเหล่านี้ถูกนำไปใช้ในซอฟต์แวร์ที่เผยแพร่ทางออนไลน์นั้นเป็นเรื่องที่น่ากังวล เนื่องจากโมเดล open-weight มีต้นทุนต่ำกว่าโมเดลระดับแนวหน้าของสหรัฐฯ
ศัพท์ที่ควรรู้
- AI agents – คือโปรแกรมปัญญาประดิษฐ์ที่สามารถทำงานได้ด้วยตนเอง
- Linux sandbox – คือสภาพแวดล้อมจำลองที่ช่วยให้โปรแกรมทำงานได้อย่างปลอดภัยและถูกจำกัดขอบเขต
- OpenAI – คือผู้พัฒนาโมเดล AI ที่ถูกกล่าวถึงในบริบทของเหตุการณ์ในอดีต
- Zero-day vulnerabilities – คือช่องโหว่ด้านความปลอดภัยที่ยังไม่มีใครทราบหรือยังไม่มีแพตช์ป้องกัน
- Frontier models – คือโมเดล AI ขั้นสูงที่มีความสามารถสูงสุดในตลาด
ที่มา: The Register