学者观察：网络安全防御仍是前沿模型的「护城河」

Ethan Mollick 是宾夕法尼亚大学沃顿商学院的教授，长期关注 AI 在实际工作场景中的应用与能力边界。近期他在 X 平台上发布了一条简短观察，针对当前不同层级 AI 模型的能力差距做出评论。

核心观点：并非所有任务都已「平权」

Mollick 在推文中指出，存在一些 AI 应用场景，开源或中等规模的模型（例如 Mistral 系列）与所谓的前沿模型（frontier models）能力相当，处于「同一水平线」上。但他同时强调，网络安全防御（cyberdefense）并不属于这类场景——前沿模型在这一领域仍然保持着明显优势。

其原文表述为：「存在一些 AI 应用，Mistral 与前沿模型都处于前沿水平，但网络安全防御绝对不是其中之一。」

含义解读

这条评论传达的信息可以拆解为两点：

• 模型能力差距具有任务依赖性：在部分通用任务上，中等规模模型已能追平前沿模型；但在高风险、专业化程度强的任务中，能力鸿沟仍然显著。
• 网络安全属高门槛任务：网络安全防御（尤其是攻击路径推理、漏洞利用规划、工具链编排等子任务）对模型的推理深度与长链路规划能力要求极高，目前主要由顶级闭源模型稳定承担。

局限性说明

需要指出的是，Mollick 的这条观察仅为个人评论，没有附带具体的 benchmark 数据、模型版本对比或实验证据。因此，该结论的普适性仍需更多独立研究与公开评测加以验证。此外，「Mistral」与「前沿模型」在该推文中均未指明具体版本，读者在引用时需注意语境。