Milansad ang OpenAI og crypto security tool human sa ₱156.43 milyon ($2.7 milyon) nga Moonwell bug

Gipagawas sa OpenAI ug Paradigm ang EVMbench niadtong Miyerkules, usa ka tool nga nagsulat sa abilidad sa mga AI agents sa pag-ila, pag-patch, o pagpahimulos sa mga vulnerability sa smart contract. Hait kaayo ang timing — pipila lang ka adlaw sa wala pa ang paglusad, usa ka bug sa AI-generated code nagkantidad sa mga tiggamit sa Moonwell og ₱156.43 milyon ($2.7 milyon).

Ang benchmark nakakuha gikan sa 120 ka vulnerabilities nga gikan sa 40 ka nauna nga smart contract audits. Ang crypto venture capital firm nga Paradigm mitampo sa mga vulnerability scenarios gikan sa mga audit sa umaabot niini nga Tempo blockchain. Ang pinakabag-o nga modelo sa OpenAI nga GPT-5.3-Codex kapin pa sa doble ang kaepektibo sa GPT-5 sa pagpahimulos sa mga vulnerabilities ug nakakuha sa kinatas-ang marka sa pag-patch niini.

Apan mas lisud ang pag-ila sa mga problema kaysa pagpahimulos niini. Ang Claude Opus 4.6 sa Anthropic nakaiskor sa kinatas-ang mean nga resulta sa pag-ila sa mga vulnerabilities, bisan pa nga gimatikdan sa OpenAI sa ilang news release nga ang tanan nga mga modelo nagpabilin gihapon ubos sa bug nga saklaw. Labing maayo ang performance sa mga AI agents kung klaro ang katuyoan: ipadayon ang paghubas sa mga pondo hangtod nga mawala kini tanan. Sa kasukwahi, mas huyang ang performance sa detect ug patch nga mga buluhaton tungod kay ang mga agents usahay mohunong human sa pagpangita sa usa lang ka isyu kaysa pag-audit sa tibuok nga codebase.

Ang insidente sa Moonwell nagpasiugda gyud sa risgo. Usa ka software engineer sa protocol miingon nga ang code nga gikuwestiyon nakapasar man sa usa ka audit gikan sa crypto security firm nga Halborn. Ang OpenAI naglakip og pasidaan sa EVMbench: ang tool wala makuha ang tinuod nga hagit sa pagsiguro sa mga smart contracts tungod sa limitado nga sample sa mga vulnerabilities. Giingon usab sa kompanya nga dili kini kasaligan nga mahibal-an kung ang mga vulnerabilities nga nakit-an sa agent mga false positives. Ang mga protocols nag-antus sa $108 milyon sa mga hacks ug exploits hangtod karon niining tuiga, sumala sa datos sa DefiLlama gikan sa Miyerkules sa gabii.