Snyk 智能体 AI 采用报告第三卷:74.5% 含模型的企业环境引用了高风险模型,开源权重模型隐私泄露得分约为闭源两倍
Snyk 发布《2026 智能体 AI 采用现状》第三卷,基于 9 月对企业代码库的 AI-BOM 扫描和对抗测试评分:约四分之一模型使用落在高风险区间,74.5% 含模型环境至少引用一个高风险模型,开源权重模型的个人数据泄露得分约为闭源模型的两倍。
开发者安全公司 Snyk 于北京时间 10 月 22 日凌晨发布《2026 年智能体 AI 采用现状》报告第三卷,主题是对抗性测试揭示了企业代码库中运行的 AI 模型有哪些风险,以及这些模型能够“触达”什么。Snyk 的核心观点是:“哪个模型最安全”是一个自然但错误的问题——模型评分反映的是它给部署带来的暴露面,而模型能触达的工具、数据和权限,才决定了出问题时的“爆炸半径”。
根据 Snyk 随帖发布的报告摘要图,样本来自 2026 年 9 月的 AI-BOM(AI 物料清单)扫描:共扫描 3,023 个环境,其中 1,693 个检测到模型。模型风险按 0–1000 分计,500 分以上为高风险、750 分以上为严重风险。主要发现包括:
- 约四分之一(1 in 4)的已评分模型使用落在高风险区间,且与企业规模无关:使用 1–4 个模型的环境为 23.6%,5–19 个为 24.0%,20–99 个为 24.8%,100 个以上为 21.0%;
- 在 1,693 个含模型环境中,74.5% 至少引用了一个高风险模型,49.2% 引用了严重风险模型,16.9% 没有可评分模型;
- 77% 的受测模型在“命令执行”测试上得分为零,但最差的模型得分达到 834;
报告还指出,约三分之一的已评分模型使用来自能力最低的一组模型,而这组模型在三项目标上表现都更差:按能力指数(ECI)划分,低于 130 的模型个人数据泄露得分为 484,130–149 为 346,150 及以上为 135。Snyk 据此认为,那些较旧、能力较弱但早已通过审批的模型,可能比它们“熟悉的身份”所暗示的更需要审视。
在厂商层面,Anthropic、Google 和 OpenAI 的最强模型之间仅相差 22 分,而中端模型的厂商间差距达到 243 分;免费档模型平均得分 309、高价档为 334,Snyk 因此称“价格不是好的预测指标”。开源权重模型的个人数据泄露得分为 562,约为闭源模型(274)的两倍;但报告也注明,只有 16 个开源权重模型参与了评分。
对研发与安全团队而言,这份报告的实际含义是:模型选型能降低部分风险(例如命令执行、隐私泄露两项上,换模型确有帮助),但代码后门、虚假信息等风险仍需要在应用层控制模型能访问和执行什么。由于数据来自 Snyk 自身的扫描样本和评分方法,各企业仍应结合自己的模型清单与权限配置做针对性测试。
Snyk releases Volume III of its State of Agentic AI Adoption report
Today we’re releasing Volume III of our State of Agentic AI Adoption report: what adversarial testing reveals about the AI models running in enterprise codebases, and what those models can reach.
“Which model is safest?” is a natural first question. It’s also the wrong one. A model score shows the exposure it brings to a deployment, but what it can reach defines the blast radius.
See some key stats at a glance below ⬇️
Get the full report, from command execution to misinformation, scored model by model: https://t.co/Q84zYNIVvu