- 描述 2024–2025 年的生物能力提升叙事：「轻度提升」→「接近边缘」→「2.53 倍提升不足以排除 ASL-3」。
- 描述 2025 年 11 月 Anthropic 的网络报告：与中国有关联的行为体把一次网络攻击行动的自动化程度推到 90%。
- 描述化学/生物执行差距的侵蚀：具备视觉能力的模型对湿实验室实验做实时纠正。
- 说明新手相对提升与专家绝对能力之间的不对称，及其对构建安全案例的含义。
问题
第 17 课是测量方法。第 30 课是 2026 年的测量现状。2024 到 2025 年底之间，图景发生了实质性变化：每个领域都越过了 2024 年的框架未曾预料的某个阈值。
概念
生物/化学能力提升叙事
三个阶段（为保持连贯，重复第 17 课的内容）：
- 2024 年「轻度提升」。 早期的 Preparedness/RSP 评估报告称，相对于互联网搜索，新手只获得很小的优势。
- 2025 年 4 月「接近边缘」。 OpenAI PF v2 警告称，模型「正处于能够切实帮助新手制造已知生物威胁的边缘」。
- 2025 年 Anthropic 获取生物武器试验。 受控的新手研究；在获取阶段任务上有 2.53 倍提升；不足以排除 ASL-3。
这一转变是质变性的：即使没有能力上的突破，「轻度」在十八个月内演变成了「可能使之成为可行」。
化学/生物执行差距的侵蚀
历史上的防御：信息是必要的，但不充分；执行方案的技能挡住了新手。2025 年具备视觉能力的前沿模型部分打破了这道防御：
- 实时方案纠正。 GPT-5.2、Gemini 3 Pro、Claude Opus 4.5、Grok 4.1 可以观察湿实验室视频，并在操作中途指出错误。
- 2025 年 12 月 OpenAI 演示。 GPT-5 迭代湿实验室实验，通过方案优化实现了 79 倍的效率提升。
含义：把执行技能当作防御，这道墙正在被侵蚀。采购与设备差距仍然存在，但隐性知识差距正在收窄。
网络能力提升（2025 年 11 月）
Anthropic 2025 年 11 月报告：与中国有关联的国家行为体使用 Claude 的 Agent 式编码工具，自动化了 80–90% 的一次网络攻击行动。仅在 4–6 个步骤需要人工介入。
含义：
- Agent 式编码是攻击自动化的基元。此前的 AI 网络辅助局限于代码片段级别；Agent 工作流把侦察、利用、后渗透和外泄整合在一起。
- 那 4–6 个人工步骤是瓶颈；未来的能力增长会减少这个数目。
- 防御性双用途：OpenAI 的「可信访问」试点为经过审查的安全组织（成熟的应急响应公司、政府）提供能力访问权限，用于防御。如果试点扩大，访问上的不对称有利于防御方。
这项工作的防御侧，从阅读你被允许分析的已编译代码开始。第 13 阶段的逆向工程路线在你自行构建的程序上教授这一点，且只用静态分析：ELF 读取器见第 13.32 课，反汇编见第 13.33 课，提升为伪代码见第 13.34 课，以及一份把观察到的事实与推断区分开的证据台账，见第 13.35 课。Inside a Decompiler 互动演示在一个函数上展示了完整 pipeline。做这项工作的 Agent 需要同样的台账，因为一次自信的反编译仍然可能建立在猜测之上。
核
四个 CBRN 领域中公开文档分析最少的一个。威胁模型不同：裂变材料的获取主导了难度，而不是信息。AI 在信息层的提升在实践中对新手帮助有限。2024–2025 年没有主要实验室报告指出核领域特有的阈值被越过。
新手相对提升与专家绝对能力
四个领域的共同模式：
- 新手相对提升。 高。乘法式。按 Anthropic 2025 的生物报告，为 2.53 倍。
- 专家绝对能力。 上限高。专家能比新手提取更多，因为专家知道该问什么、如何解读。
对安全案例的含义：只处理新手提升（通过输入过滤、拒答、不确定性）不足以实现专家绝对控制。还需要额外措施：抗诱导加固（elicitation-hardening）、能力遗忘学习（第 17 课），以及控制协议（第 10 课）。
跨领域综合
| 领域 | 2024 | 2025 | 拐点 |
|---|---|---|---|
| 生物 | 轻度提升 | 2.53 倍提升，接近 ASL-3 | 获取阶段的自动化 |
| 化学 | 轻度提升 | 通过视觉侵蚀执行差距 | 湿实验室实时纠正 |
| 网络 | 代码辅助 | 80–90% 行动自动化 | Agent 式编码 |
| 核 | 有限 | 有限 | 材料获取瓶颈仍然成立 |
三个领域越过了阈值。一个仍受非信息性壁垒约束。
本课在 Phase 18 中的位置
第 30 课是压轴：所有先前课程都在为测量、限制或治理当前的这份双用途图景作贡献。第 17–18 课给出测量与框架；第 12–16 课给出评估工具；第 24–25 课给出监管与披露层；第 28 课给出研究生态。第 30 课是证据汇总落地之处。
使用它
无代码。阅读 Anthropic 2025 年 11 月的网络报告、OpenAI 2025 年 4 月的 Preparedness Framework v2 更新，以及 Council on Strategic Risks 的 2025 AI x Bio 年度总结。
交付它
本课产出 outputs/skill-dual-use-triage.md。给定一项 2026 年的能力主张或事件报告，它跨四个领域做分诊，并判定该主张影响的是新手相对提升、专家绝对能力，还是两者兼有。
练习
- 阅读 Anthropic 2025 年 11 月的网络报告。列举那 4–6 个人工介入步骤，并论证在下一代模型中哪一个会最先被自动化。
- 化学/生物执行差距正因视觉能力而侵蚀。设计一项评估，在不越过 ITAR/EAR 边界的前提下测量隐性知识的提升。
- 核能力提升似乎受材料获取约束。为正反双方论证：未来的 AI 突破是否可能改变这一瓶颈。
- 为一个具备网络能力的前沿模型构建安全案例（第 18 课的三支柱），同时约束新手提升与专家提升。
- 从四个领域中选一个，基于 2024–2025 年的轨迹写一段 2027 年预测。指出哪些证据会证伪你的预测。
关键术语
| 术语 | 人们怎么说 | 实际含义 |
|---|---|---|
| Uplift | 「AI 帮助攻击者」 | 可归因于 AI 辅助的攻击者能力提升 |
| Novice-relative uplift | 「乘法式」 | AI 相对现状对新手帮助多少 |
| Expert-absolute capability | 「上限」 | 专家能从模型中提取的最大能力 |
| Execution gap | 「会做 vs 知道」 | 历史性防御：隐性湿实验室技能挡住新手 |
| Agentic coding | 「自主攻击」 | 多步骤自主网络任务执行 |
| Acquisition phase | 「合成前步骤」 | 生物威胁的采购、设备、许可阶段 |
| Trusted access | 「仅限防御方的试点」 | OpenAI 2025 年的项目，让经审查的防御方获得能力访问 |
延伸阅读
- Anthropic — 2025 年 11 月网络威胁报告 — 与中国有关联的行动自动化
- OpenAI — Preparedness Framework v2（2025 年 4 月 15 日） — 生物领域「接近边缘」
- Anthropic — RSP v3.0（2026 年 2 月） — ASL-3 生物阈值
- Council on Strategic Risks — 2025 AI x Bio 年度总结 — 年终综合
示意图共 1 张
