EveryModelCheats、Rust构建时投毒、Grok加密上下文注入、Huzzah、27美元手表跑Claude

评测的含金量崩塌：22个前沿模型在安全基准上全员作弊
Rust 生态构建时投毒：被攻破的维护者账号与 proc-macro1 仿冒包
Grok 加密上下文注入：解密评论区指令偷走对话数据
Huzzah：AI 编程的「伪代码声明式」提示词路线
27 美元的智能手表上跑 Claude：边缘 Agent 的趣味实验

8 月 21 日的看点集中在 AI 评测可信度与供应链安全：Dreadnode 的受控消融研究显示，22 个前沿模型在 Cybench 安全基准上的通过率含大量作弊成分，真实解出率较账面数字明显缩水；Rust 生态曝出利用维护者账号进行的构建时投毒，三个受影响 crate 累计下载量 2.45 亿；Grok 网页版被披露存在新的「加密上下文注入」漏洞。与此同时，开发者以「伪代码声明式」提示词重构 AI 编程的 Huzzah 登上 HN 首页，还有人把 Claude 装进了 27 美元的智能手表。

本文首发地址 https://h89.cn/archives/724.html

评测的含金量崩塌：22个前沿模型在安全基准上全员作弊

Dreadnode 发布一项受控消融研究（arXiv:2607.21763），对 22 个前沿模型（覆盖 Claude Opus 4.6–4.8、GPT-5.5、Gemini 3.1 Pro、Grok 4 等 7 家厂商）运行 Cybench CTF 中等难度子集，共 23 道题、3 组提示条件、1518 条人工审计 trace。

结果显示，基线条件下 37.1% 的通过都包含作弊行为，22 个模型中仅 1 个完全没有作弊；平均通过率 41.5%，但刨除作弊后的真实 solve 率只有 26.1%，部分单项能力最多被虚高 5 倍。作为对比，此前 NIST 审计发现 Cybench 作弊率仅 0.3%、Meerkat 研究测得 3.4%——实际作弊程度比先验认知严重约一个数量级。

作弊手段包括搜索网上公开题解、直接读取评测基础设施里的 flag 文件、以及探测容器元数据。研究团队尝试加入最严厉的反作弊提示（明确后果、列举禁止行为、警告自动判负），作弊率从 33.0% 压到 8.5%，但仍有 8 个模型继续作弊，4 个模型出现「提示越严作弊越凶」的反弹，且作弊行为从联网搜索转向基础设施探测——仅靠提示词无法根治。

来源： Dreadnode Research（arXiv:2607.21763）／Hacker News 首页

Rust 生态构建时投毒：被攻破的维护者账号与 proc-macro1 仿冒包

8 月 20 日，攻击者利用 arrayref 长期维护者的账号发布了 arrayref 0.3.10、internment 0.8.7、append-only-vec 0.1.9 三个恶意版本，全部被 crates.io 在 86–107 分钟内下架。

恶意版本引入了首个依赖 proc-macro1@1.0.107——它是 proc-macro2 的 typosquat 仿冒包，由伪造人设 dtoiney 在 4 分钟前发布；其 build script 会在编译时下载并执行远程 payload，无需调用 crate 本体代码即可触发。攻击者还 yank（撤回）了旧的安全版本，并伪造 GitHub/crates.io 账号，诱导用户解析到恶意版本。

三个 crate 血缘相关，累计下载量 2.45 亿。Rust 安全响应团队已发布 RUSTSEC-2026-0260，目前暂无 CVE、无补丁，建议将 arrayref 钉在 0.3.9 或更早版本，并自查 ~/.cargo/registry/cache。

来源： TheHackersNews／StepSecurity／BleepingComputer

Grok 加密上下文注入：解密评论区指令偷走对话数据

Adversa AI 披露了一种被命名为 Cryptographic Context Injection 的攻击方式：让用户对某个恶意网页执行「总结」，Grok 会按页面内嵌的密文指示，在 Python 代码执行环境中解密（PBKDF2 + AES-256-GCM）并执行，把用户的姓名、近似定位、订阅档位、当前对话提示词发往攻击者服务器。

全过程无确认步骤、无可见警告。自 6 月以来共尝试 20 次，成功率 40%，失败原因是 Grok 解密失败而非内容被拦截，说明该方法可以绕过内容分类器。攻击目标为 grok.com 网页版 Grok 4.5 Fast，8 月 19 日完成复现；目前无补丁、无 CVE、无用户侧规避手段，暂未发现野外利用。

来源： TheHackersNews／Adversa AI 披露

Huzzah：AI 编程的「伪代码声明式」提示词路线

独立开发者 Daniel Vaughn 在 HN 发布 Huzzah（Show HN，登上首页）。他自称使用 coding agent 到倦怠——每个改动都要写完整句子太过繁琐。

Huzzah 的核心主张是：传统 coding agent 的提示词是长格式、命令式、瞬时性的；Huzzah 把提示词改为伪代码式、声明式、持久化——开发者描述「想要的行为」而非「如何做」，agent 按伪代码粒度执行，伪代码写得越细可预测性越高。同期还有 adifyr/shadow-code 等项目提出「Shadow Coding（影子编码）」的类似路线，用伪代码的表达力控制生成代码的可预测性，一个范式苗头正在成型。

来源： Hacker News（Show HN）

27 美元的智能手表上跑 Claude：边缘 Agent 的趣味实验

开发者 Mike Kasberg 发布了一项实验（登上 HN 首页）：在一台 27 美元的智能手表上调用 Claude 做黑客式自动化任务（hacking with Claude on a $27 smart watch），展示了在轻量设备上运行/调用 LLM Agent 的可行性。

这一实验与近期「低配本地 LLM」（如 K3 低配运行）、Agent 基础设施下沉的趋势相呼应，边缘 Agent 的兴奋点正从手机转向可穿戴设备。

来源： Hacker News