一句话看懂：安全公司 Trail of Bits 公开质疑 1Password 在 2026 年 8 月 6 日发布的 AI 补丁报告，认为其“干净修复率仅 26%”的结论具有误导性；Trail of Bits 重新分析数据后发现，在允许测试且未被要求故意打错补丁的条件下，模型生成的补丁有 86% 能拦截给定漏洞利用。
事件核心：发生了什么
1Password 的报告称，AI 模型只有 26% 的情况下能生成“干净修复”。Trail of Bits 审查其代码与数据后指出，这一数字混合了多种实验设置：样本特意挑选了六个修复难度极高的漏洞，干净修复率在 3% 到 60% 之间波动；22% 的数据来自两个明确指示 Agent 应用错误补丁的提示词；36% 的试验禁止 Agent 编译或运行代码，Agent 无法验证补丁是否有效；GPT-5.5 与 Opus 4.8 分别运行在中等和高推理强度，均非最高设置。
Trail of Bits 剔除“禁止测试”和“故意误导”的试验后，重新统计了论文附带的测试结果：1Password 模型生成的 3067 个补丁中，有 2634 个（86%）成功拦截了提供的漏洞利用。他们同时发布两个 Agent 技能：post-patch-validation 用于辅助 Agent 测试修复，review-walkthrough 用于辅助工程师审查补丁。此外，报告还指出评分标准与停止规则冲突、惩罚合理的行为变更、自动评分与人工审查不一致等问题。
为什么重要
AI 辅助漏洞修复正被安全团队纳入实际工作流，基准报告的数字会直接影响采购与落地决策。若“26%”被当作行业真实水平，防守方可能低估 AI 补丁能力，放弃本可自动修复的漏洞。Trail of Bits 还披露，在其安全咨询项目中，开发者在理想条件下自己提交的修复也有约八分之一不完整，这说明评估 AI 补丁必须与人类基线对比，而非孤立看待。
对用户/开发者/创作者的影响
对安全团队和开发者而言，选择 AI 补丁工具时应关注测试条件是否透明：Agent 能否编译、运行代码并根据结果迭代，直接决定补丁有效性。企业采购 AI 安全产品时，不应只看单一百分比，而要检查基准是否包含故意错误提示、是否允许验证、模型推理强度是否一致。使用开源或闭源大模型做代码修复时，可参考 Trail of Bits 的思路，先建立“补丁验证”环节，再评估是否纳入生产流程。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
1Password 是否会回应并修正其报告口径，以及是否公开更细粒度的实验分层数据。Trail of Bits 的两个 Agent 技能能否被主流 AI 编程工具或安全平台集成，形成可复用的补丁验证流程。第三方基准机构是否会跟进，建立更统一的 AI 补丁评估标准，避免“标题数字”继续影响防守方判断。
