Anthropic gần đây đã thực hiện một bài kiểm tra khá khắt khe - để AI trở thành một "hacker mũ trắng". Họ đã đưa những hợp đồng thông minh thực sự bị tấn công từ năm 2020 đến 2025 cho Claude Opus 4.5, Sonnet 4.5 và GPT-5 thực hành, kết quả là các mô hình này đã tái hiện trực tiếp các phương pháp khai thác lỗi trị giá khoảng 4,6 triệu đô la.

Điều thú vị hơn là, nhóm nghiên cứu đã cho AI quét 2849 hợp đồng mà lúc đó vẫn chưa phát hiện vấn đề, kết quả mô hình đã phát hiện thêm 2 lỗ hổng mới. Điều này cho thấy các AI Agents thực sự có khả năng trong việc tấn công và phòng thủ trên chuỗi, không chỉ có thể tái hiện các thủ thuật lịch sử mà còn phát hiện rủi ro tiềm ẩn. Tuy nhiên, điều này cũng đặt ra một câu hỏi: Khi khả năng khai thác lỗ hổng của AI trở nên mạnh mẽ hơn, tiêu chuẩn an toàn cho hợp đồng thông minh có phải cũng phải nâng cao theo không?