- Veracode 最新报告指出，AI 生成代码的漏洞率从 44% 降至 38%，安全性在一年内首次出现显著改善。
- Claude Opus 5.5 和 GPT-6-Sol 以 73% 的安全通过率并列榜首，但在复杂安全推理任务中仍存在短板。
- 专家建议，即便使用高性能模型，AI 生成的代码在部署前仍需经过独立的安全测试与验证。
前沿人工智能模型生成的计算机代码正变得更为安全，其包含的漏洞数量有所减少。根据 Veracode 发布的最新报告，这是该领域一年来首次出现显著的安全性提升。
自 2025 年 7 月起，Veracode 开始发布 GenAI 代码安全报告，旨在分析大语言模型（LLM）生成代码中的漏洞及安全风险。研究人员注意到一个长期存在的趋势：尽管 AI 生成的代码在功能执行上几乎完美，但其安全性并未随之同步提升。
XSS 漏洞修复成为主要驱动力
“我们已对多个 LLM 生成的代码进行了超过一年的分析。此前，尽管 AI 代码的功能表现始终接近完美，但我们尚未观察到其在安全性方面的显著改善。”Veracode 联合创始人兼首席安全宣传员 Chris Wysopal 表示，“这是自开展相关研究以来，我们首次能够报告安全性指标发生了有意义的变化。”
数据显示，AI 生成代码的安全性评分从 56% 上升至 62%，而脆弱性比例则从 44% 下降至 38%。Veracode 指出，这是自报告发布以来最显著的改进幅度。在具体模型表现方面，Anthropic 的 Claude Opus 5.5 和 OpenAI 的 GPT-6-Sol 以 73% 的排名共同位居榜首，超越了 GPT-5.5 在 2026 年 7 月创下的 68% 的历史高点。
Wysopal 补充道：“目前已有 10 个模型的清除率达到 60%，高于上一份报告中的 4 个，整体平均值也提升了 6 个百分点。鉴于如今约有一半的代码由 AI 生成，这一结果确实令人鼓舞。”
为编制这份报告，Veracode 针对 Python、C#、JavaScript 和 Java 四种编程语言，测试了 18 种模型，并重点考察了四类常见缺陷列表（CWE）类别：CWE-89、CWE-327、CWE-80 和 CWE-117。除了领跑的 Claude Opus 5.5 和 GPT-6-Sol（73%），GPT-5.5 以 68% 紧随其后。对比今年 7 月的数据，当时 11 个模型中有 6 个得分介于 50% 至 53% 之间，而如今仅剩 2 个处于该区间，且有 10 个模型得分至少达到 60%。不过，仍有部分模型停留在 44% - 50% 的低分区间。
尽管整体成绩值得肯定，但需谨慎解读其中的驱动因素。Veracode 指出，本次收益的主要来源是跨站点脚本（XSS）漏洞防护能力的提升，这也是数据集中最大的单一变量。据 Veracode 解释，XSS 属于“最容易通过模式识别修复的漏洞”，这恰好契合 LLM 的技术优势。然而，在需要跨多个函数进行数据流推理的场景下（例如日志注入攻击），LLM 的表现依然停滞不前。
成本效益与安全验证的平衡
换言之，当前 AI 在代码安全上的进步主要集中在“低垂果实”的采摘上。考虑到 XSS 攻击的高频发性，这种改善并非毫无价值，但也揭示了技术局限性。
报告还揭示了一个显而易见的规律：高性能模型通常伴随着更高的运行成本。然而，Veracode 认为单纯追求最高成本的模型并非解决安全问题最佳方案。“产生最安全代码的模型往往规模庞大且运行成本最高，但它们仍然会在超过四分之一的安全任务中失败。”Wysopal 强调，“答案永远不应该是盲目使用最昂贵的模型并寄希望于最好的结果。一个通过率为 60% 的中端模型，配合 Veracode 扫描工具，比一个未经过验证、通过率为 73% 的前沿模型更准确、更具成本效益，也更易于扩展。”
总结而言，虽然 AI 生成代码的安全性确有改善，但这仅是修补更大安全隐患的一小部分。组织应确保将 AI 生成的代码纳入持续且独立的安全验证流程中，而非仅依赖模型自身的输出能力。
