When we started the log analysis, we first used frontier models behind commercial APIs. This did not work: the analysis requires submitting large volumes of real attack commands, exploit payloads, and C2 artifacts, and these requests were blocked by the providers' safety guardrails, which cannot distinguish an incident responder from an attacker. We ran the forensic analysis instead on GLM 5.2, an open-weight model, on our own infrastructure. This had a second benefit: no attacker data, and none of the credentials it referenced, left our environment.

这些模型识别并串联了 OpenAI 研究环境和 Hugging Face 生产基础设施上的多个漏洞，直接从 Hugging Face 的生产数据库中获取了测试答案。所有证据表明，这些模型极度专注地为 ExploitGym 寻找解法，为实现一个相当狭窄的测试目标而不择手段。

假设你有一个关于 SQLite 的 PR。你对我说："嘿，我为 SQLite 开发了一个新功能，这是我提交的 PR。"

你想让我把它合并到代码库中时，你说："哦，它是免费的。"

不，PR 不是免费的。

你实际上是对我提要求：你开发了这个很棒的功能，然后希望我帮你维护它、帮你编写文档、帮你测试，并在接下来的二十五年里一直为你维护它。这可不是免费的。

Linus 曾说过一句名言：Free 既可以指免费啤酒，也可以指言论自由。但还有另一种 Free：免费的小狗。"瞧，我这儿有只免费的小狗送给你。" 你明白我的意思了吧？

提交一个 pull request 就相当于有人送你一只小狗。一天下来，你的小屋里就多了一只小狗。你不能把它扔掉----你有道义上的责任照顾它，直到它自然死亡。

我可不要任何免费的小狗。