Project Glasswing
一个面向大型安全团队的 AI 漏洞研究项目，帮助合作机构从关键软件中产出可供人工验证的高危或关键漏洞线索。
工具简介
从现有证据看，Project Glasswing 更像高门槛、面向合作机构的 AI 安全研究项目，而不是已经可以广泛采购的企业安全产品。采用判断应偏保守：若你是有条件参与 Anthropic 合作范围的大型安全团队，它值得持续跟踪；若你要找自助开通的扫描器、安全 API 或 DevSecOps 插件，现有证据不足以把它视为成熟通用品。需要区分热度证明和好用证明：官方 X 帖的高浏览和高转发只能证明关注度强，不能单独证明稳定性、误报率或外部团队的广泛验证。
实际作用上，Anthropic 官方帖文称项目及伙伴已发现超过 1 万个高危或关键漏洞；知乎整理则将其描述为约 1 万个潜在问题，其中接近 1500 个经过人工验证。两种口径应分开看，发现数量也不等于可直接交付的修复成果。它不是传统 SAST，也不是面向日常开发的代码 Copilot；更准确的类比是由前沿模型驱动、与机构共同运行的自动化漏洞研究计划，人工复核、优先级判断和修复协调仍不可省略。
门槛方面，公开材料将它定位为与合作伙伴共同开展的项目，普通开发者和中小团队没有被证明可以直接自助使用。费用信息更应谨慎：知乎文章提到每分钟约 500 美元，但这是社区转述，且文章提醒可能存在原文语义偏差，不是官方定价，也不能当作稳定报价。保守地说，相关运行成本可能较高。它适合已有漏洞响应、分级处置和补丁协调流程的大型组织，不适合想以低成本扫描器替代现有安全基建或期待即开即用的人。
社媒共识大致是能力上限很强，但模型带来的漏洞数量也可能给防守方造成处理洪峰。evidenceSources 共 6 条，其中 5 条来自 X、1 条来自知乎；Anthropic 官方帖和项目负责人线程是一手信息，适合判断项目定位、目标和公开成果，知乎文章属于二手整理。样本以高转发、高浏览和观点讨论为主，独立实测、系统教程、长文技术拆解及持续案例很少，且没有评论样本可供深入核验。因此目前热度证据明显强于好用证据，真实误报率、接入门槛和 ROI 仍缺乏公开验证。