Anthropic安全报告披露，内部安全测试中因配置失误，Claude Opus 4.7、网络安全模型Mythos5及未公开原型意外接入互联网，未经授权访问三家机构生产系统。事件非模型主动突破限制，系配置问题，当时正执行内部夺旗任务。
Google借助AI工具，在Chrome 149与150两个版本中修复漏洞1072个，数量超过过去两年23个版本的总和。工程总监称，大语言模型已根本改变网络安全经济格局，标志漏洞挖掘进入工业化时代。
微软在旧金山发布首款网络安全专用模型MAI-Cyber-1-Flash，专攻代码库漏洞挖掘，并激活自研MDASH框架，实现自主找洞补洞，目标直指Anthropic、Google与OpenAI。
微软推出网络安全专用模型MAI-Cyber-1-Flash及AI平台Perception，主攻复杂代码漏洞发现，为MDASH修复工具提供核心能力，加码AI安全防御，与Anthropic、谷歌、OpenAI展开竞争。
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
$1
$10
256
$2
$20
$6
$24
Baidu
128
mradermacher
这是一个专注于网络安全领域的20B参数开源大语言模型，基于GPT-OSS架构，并融合了多个网络安全指令数据集进行微调。模型提供了多种量化版本，便于在资源受限的环境中部署，可用于生成网络安全相关的文本、代码和分析报告。
ErenAta00
赛博智脑是一个专门针对夺旗赛（CTF）挑战和网络安全任务进行微调的大语言模型。它基于Llama-3.1-8B-Instruct架构，能够协助解决CTF问题、分析安全漏洞、进行逆向工程和密码学挑战，并在遵循道德准则的前提下提供漏洞利用推理。
codechrl
bert-micro-cybersecurity 是一款紧凑的变压器模型，专为网络安全文本分类任务而设计，可用于威胁检测、事件报告分析等，支持英文和印尼文。
fdtn-ai
这是一个基于LLaMA 3.1的80亿参数网络安全专业模型，经过8位量化处理，专为网络安全任务设计，包括威胁情报总结、漏洞分类和事件分析等。
gabriellarson
Foundation-Sec-8B-Instruct是一款专为网络安全应用设计的80亿参数指令调优语言模型。基于Llama-3.1-8B架构，具备出色的指令跟随能力和网络安全专业知识，支持本地部署，可帮助组织构建AI安全工具，减少对云服务的依赖。
yanmyoaung04
这是基于Unsloth的DeepSeek-R1-Distill-Llama-8B模型微调的网络安全专用版本，专注于生成和理解网络安全相关内容，为威胁情报总结、漏洞分析等任务提供支持。
sallani
ELISARCyberAIEdge7B-LoRA-GGUF 是一款专为网络安全用例设计的离线就绪、量化的 LLaMA 边缘模型，可有效应对网络安全风险评估等多种场景。
Foundation-Sec-8B-Q8_0-GGUF是一个经过8位量化的网络安全专业大语言模型，基于LLaMA 3.1架构，专注于网络安全文本处理任务。
HagalazAI
专为网络安全任务定制的量化语言模型，支持红队和蓝队操作
2p8xx
Foundation-Sec-8B是一个开源的80亿参数基础语言模型，专为网络安全应用设计，扩展了Llama-3.1-8B模型。
Mungert
Foundation-Sec-8B是一款专为网络安全应用设计的语言模型，基于Llama-3.1架构，经过大量网络安全相关文本数据的预训练，能够理解和处理多种网络安全领域的概念、术语和实践。
sds-ai
基于Mergekit融合的8B网络安全大语言模型，融合了安全专业知识与多语言能力
Foundation-Sec-8B是一个专为网络安全设计的80亿参数基础语言模型，基于Llama-3.1-8B扩展，适用于威胁检测、漏洞评估等安全场景。
DeepHat
DeepHat 是一系列可用于网络安全攻防的模型，基于 Qwen2.5-Coder-7B 微调，专注于网络安全和 DevOps 领域。
AlicanKiraz0
由 Alican Kiraz 基于 Qwen QwQ-32B 微调的安全领域大语言模型，专注于网络安全相关任务
trend-cybertron
基于nvidia/Llama-3.1-Nemotron-70B-Instruct进行持续训练的网络安全大语言模型，在多项网络安全基准测试中综合得分提升11.19%。
基于nvidia/Llama-3.1-Nemotron-70B-Instruct进行持续训练的网络安全大语言模型，在网络安全基准测试中综合得分提升18.18%
clouditera
全球首个网络安全开源大模型，专为网络安全场景打造，融合自然语言理解、代码生成、安全知识推理等核心能力。
Thi-Thu-Huong
DDoSBert是一种基于Transformer架构的网络安全检测模型，专门用于识别和防御分布式拒绝服务（DDoS）攻击。该模型通过对网络流量数据进行文本分类分析，能够有效检测复杂的DDoS攻击模式。
viettelsecurity-ai
这是一个专注于网络安全领域的文本生成模型，基于30亿参数的Transformer架构，支持越南语和英语，专门针对网络安全相关任务进行优化训练。
HydraMCP是一个轻量级、可扩展的网络安全工具包，通过模型上下文协议（MCP）将AI助手与安全工具连接，支持AI辅助的安全研究、扫描和分析。
ExploitDB MCP服务器是一个提供漏洞数据库查询功能的模型上下文协议服务，由Cyreslab.ai开发，用于增强AI助手在网络安全研究中的能力。
TransformersEnglish%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
