Ett nyligen genomfört genombrott inom blockkedjesäkerhetstestning visade att GPT-5.3-Codex uppnådde en imponerande framgångsgrad på 72,2 % i exploit-lägestestning, vilket belyser den betydande potentialen för avancerade algoritmer. Denna utveckling, som leds av OpenAI och Paradigm genom deras EVMbench-verktyg, visar hur AI-agenter ökar Ethereums säkerhet genom att noggrant utvärdera sårbarheter i smarta kontrakt, vilket markerar ett avgörande steg mot ett mer motståndskraftigt decentraliserat ekosystem.
Pris på Ethereum (ETH)
EVMbench-genombrottet: En ny gräns för säkerhet
Det ständigt föränderliga landskapet inom decentraliserad finans (DeFi) och Web3-applikationer är starkt beroende av integriteten hos smarta kontrakt. Dessa självutförande avtal utgör ryggraden i Ethereum-nätverket och driver allt från komplexa finansiella protokoll till nya tokenlanseringar. OpenAI, känt för sina banbrytande AI-modeller, insåg det kritiska behovet av robust säkerhet och samarbetade med det kryptofokuserade investeringsbolaget Paradigm för att introducera EVMbench. Detta innovativa verktyg är specifikt utformat för att bedöma AI-agenters förmåga att skydda Ethereum Virtual Machine (EVM) mot sårbarheter med hög allvarlighetsgrad.
Behovet av ett sådant verktyg understryks av den explosiva tillväxten av distribution av smarta kontrakt. On-chain-mätvärden avslöjar att hela 1,7 miljoner smarta kontrakt distribuerades på Ethereum bara i november 2025, med 669 500 nya kontrakt som dök upp under veckan före den 18 februari 2026. Denna exponentiella ökning förstärker attackytan, vilket gör AI-drivna säkerhetslösningar inte bara fördelaktiga utan också nödvändiga. EVMbench tillhandahåller en avgörande testplats som bygger på en omfattande dataset med 120 utvalda sårbarheter från 40 verkliga granskningar, många från framstående öppna granskningstävlingar som Code4rena. Det innehåller till och med scenarier från säkerhetsgranskningen av Tempo, Stripes specialiserade lager-1-blockkedja, utformad för stabila myntbetalningar med hög genomströmning och låg kostnad, som lanserade sitt offentliga testnät i december 2025.
Uppackning av EVMbenchs trippelhotutvärdering
EVMbench använder en sofistikerad trestegsmetod för att utvärdera AI-modeller: Upptäck, Laga och Utnyttja. Varje läge är skräddarsytt för att testa olika aspekter av en AI-agents säkerhetsförmåga, vilket ger en helhetsbedömning av dess kapacitet. I “upptäck”-fasen får AI-agenter i uppdrag att granska smarta kontraktsförråd och poängsätts baserat på deras noggrannhet i att identifiera kända sårbarheter. Detta speglar den inledande spanings- och analysfasen för en mänsklig revisor. Efter upptäckt utmanar “laga”-läget agenter att eliminera identifierade sårbarheter utan att oavsiktligt introducera nya buggar eller störa kontraktets avsedda funktionalitet – en känslig balans som ofta visar sig vara svår även för erfarna utvecklare.
“Utnyttja”-fasen är kanske den mest avslöjande, eftersom den driver AI-agenter att utföra kompletta fonddränerande attacker inom en sandlådeblockkedjemiljö. Detta simulerar verkliga attackscenarier, med gradering bestämd av deterministisk transaktionsreprisering, vilket säkerställer en exakt utvärdering av en agents förmåga att dra nytta av svagheter. Resultaten från detta läge har varit särskilt belysande: GPT-5.3-Codex, som utnyttjar OpenAIs Codex CLI, uppnådde en imponerande framgångsgrad på 72,2 %. Detta står i skarp kontrast till dess föregångare, GPT-5, som släpptes sex månader tidigare och lyckades med en framgångsgrad på 31,9 %. Medan prestanda i upptäckts- och reparationsuppgifterna visade utrymme för förbättringar, där agenter ibland misslyckades med att genomföra uttömmande granskningar eller kämpade för att bevara fullständig kontraktsfunktionalitet, visar resultaten i utnyttjandeläget en tydlig och snabb utveckling av AI:s offensiva och defensiva kapacitet. Det är tydligt att AI-agenter ökar Ethereums säkerhet genom att tänja på gränserna för automatiserad sårbarhetsbedömning.
Verklig relevans och det växande kryptolandskapet
Designfilosofin bakom EVMbench betonar att dess tester ska baseras på ekonomiskt meningsfull, verklig kod. Detta fokus är särskilt viktigt eftersom AI-drivna stabila myntbetalningar fortsätter att expandera, en trend som exemplifieras av Stripes Tempo. Stripes satsning på en dedikerad lager-1-blockkedja, utvecklad med input från industrijättar som Visa, Shopify och OpenAI, belyser den ökande korsningen mellan traditionell finans, AI och blockkedjeteknik. De sårbarheter som sammanställts för EVMbench är inte teoretiska konstruktioner utan härledda från faktiska granskningar, vilket säkerställer att riktmärket återspeglar de praktiska utmaningar som utvecklare och revisorer av smarta kontrakt står inför idag.
Trots sina avancerade funktioner erkänner forskare från OpenAI att EVMbench ännu inte helt fångar den enorma komplexiteten i verkliga säkerhetsmiljöer. De betonar dock att det är av största vikt att mäta AI-prestanda i sådana ekonomiskt relevanta miljöer. I takt med att AI-modeller blir kraftfullare blir de alltmer potenta verktyg för både illvilliga aktörer och flitiga försvarare. Därför är riktmärken som EVMbench oumbärliga i den pågående kapprustningen för att säkra den digitala frontlinjen, vilket hjälper samhället att förstå var AI kan användas mest effektivt för att skydda värdefulla digitala tillgångar.
Trend för Ethereum (ETH)
Decentraliserad AI: Vitaliks vision för en säker framtid
Diskussionen kring AI:s roll i säkerhet sträcker sig naturligt till bredare filosofiska debatter om dess utveckling och styrning. Ethereums medgrundare Vitalik Buterin har varit en högljudd förespråkare för ett decentraliserat tillvägagångssätt för AI, vilket står i skarp kontrast till vad han uppfattar som en blind “kamp om AGI” (Artificial General Intelligence). Buterin förespråkar att integrera principer i Ethereum-stil—som decentralisering, verifierbar beräkning och integritet—som väsentliga skyddsräcken för AI-eran. Han uttryckte i januari 2025 att målet med “arbete med AGI” ofta förbiser kritiska etiska överväganden och istället fokuserar på en odifferentierad kamp för att vara “på toppen.”
Buterins vision inkluderar implementeringen av en “mjuk paus”-kapacitet för AI-system, som tillfälligt kan begränsa AI-verksamhet i industriell skala om varningssignaler dyker upp. Detta perspektiv står i kontrast till tidigare uttalanden från personer som Sam Altman, som i januari 2025 uttryckte förtroende för OpenAIs förmåga att bygga AGI som traditionellt förstås. Den pågående dialogen mellan dessa inflytelserika personer understryker de olika perspektiv som formar AI:s framtid. I slutändan överensstämmer integrationen av robusta, verifierbara AI-säkerhetsagenter, precis som de som testas av EVMbench, med Buterins uppmaning till ansvarsfull och decentraliserad AI-utveckling, där AI-agenter ökar Ethereums säkerhet inte bara genom teknisk skicklighet utan också genom efterlevnad av etiska och decentraliserade principer. För dem som vill navigera på denna komplexa och snabbt föränderliga marknad erbjuder plattformar som cryptoview.io värdefulla insikter och verktyg för att spåra utveckling och möjligheter.
