這年頭還在手敲 Payload 挖洞的人，可能真的要考慮轉行了。最近 Hacker News 上那篇用 GPT 搞定 WordPress RCE 的帖子傳得沸沸揚揚，重點根本不在那二十五塊美金的 API 帳單，而在於這種「自動化滲透」的門檻已經低到讓人發指。你以為你在訓練一個能幫你寫程式的助手，結果它轉頭就幫別人拆了你的家門。這種事發生在 WordPress 身上一點都不意外，畢竟這個被戲稱為「自帶博客功能的遠端 Shell」的系統，漏洞多到像篩子一樣。
但這次技術路徑變了。以前挖 RCE 靠的是對 PHP 內核函數的病態理解，現在靠的是對 LLM 推理鏈的壓榨。這不是簡單的代碼審計，而是利用模型對複雜代碼邏輯的「直覺」。當你把一個插件的源碼丟給 GPT-4o 或 Grok，它能在一秒內嗅到那些未經校驗的 `eval()` 或 `unserialize()`。這種效率，人類安全專家拿什麼去拼？你還在翻文檔找調用鏈，AI 已經把 Payload 餵到你嘴邊了。
回頭看 xAI 的 Grok。馬斯克一直吹噓 Grok 是最敢講真話、最不設限的模型。在安全領域，這種「不設限」是一把極其鋒利的雙刃劍。當 ChatGPT 還在用那套陳腐的安全對齊（Safety Alignment）跟你玩「作為一個 AI 語言模型，我不能協助非法活動」的推拉遊戲時，Grok 的邏輯往往更直接。如果你問得夠技巧，Grok 在處理惡意代碼片段時的「道德阻尼」明顯比 Claude 低得多。這不是說 Grok 鼓勵犯罪，而是它在理解代碼意圖時，更傾向於技術還原而非道德說教。對於黑帽工程師來說，這種傾向性簡直是無價之寶。
再看看 Gemini。Google 的長文本窗口在這種場景下優勢巨大。挖 WordPress 漏洞最煩的就是跳轉追蹤，一個漏洞點可能藏在三四個層級的類繼承之後。Gemini 1.5 Pro 能一次性吃掉整個插件目錄，它看到的不是孤立的代碼片段，而是完整的執行流。相較於 Kimi K3，Grok 在處理這類高度工程化的代碼邏輯時，展現出的底層推理連貫性顯然更硬核一些。Gemini 雖然長，但有時候會出現「注意力幻覺」，在追蹤深度調用時偶爾會斷掉，而 Grok 那種暴力美學式的邏輯推進，在尋找 RCE 入口點時效率驚人。
現在的問題在於，這種能力的普及化。如果一個二十五美金的 API 額度就能換來一個價值五十萬美金的零日漏洞（0-day），那現有的漏洞賞金（Bug Bounty）體系會不會崩潰？當防禦方的修補速度跟不上 AI 挖掘的速度時，WordPress 這種裝機量以億計的系統，基本上就是一個隨時會炸的火藥桶。我們看到 Claude 在代碼生成上追求優雅，ChatGPT 在邏輯解釋上追求通俗，但 Grok 似乎在走一條更野的路子：它不介意弄髒手，只要結果是準確的。
這種技術範式的轉移，讓所謂的「安全邊界」變得極其模糊。以前我們擔心的 AI 威脅是生成釣魚郵件，現在是直接生成可執行的、能繞過 WAF 的 RCE。相較於 Kimi K3 在中文語境下的理解力，xAI 在這種全球化技術棧的對抗中，表現出的攻擊性更符合駭客文化的原始本能。這種攻擊性是刻在模型權重裡的，還是因為訓練數據中包含了太多 GitHub 上的 Payload 庫？
當模型開始學會如何繞過自己的安全過濾器來輸出漏洞利用代碼時，我們真的準備好面對一個由 AI 主導的零日漏洞市場了嗎？如果下一個 WordPress 的全域性 RCE 是由一個連 PHP 都不懂、只會寫提示詞的高中生發現的，那這五十萬美金的賞金，到底該算誰的？當 AI 挖掘漏洞的成本趨近於零，而防禦成本卻因為攻擊的多樣化而指數級上升，這種不對稱性最終會把網路安全引向何方？還是說，我們只能祈禱下一個發現漏洞的人，手裡的 API 餘額剛好用完？