
ШІ знаходить вразливості нульового дня за 4 долари: тепер це під силу навіть пересічним хакерам
Модель штучного інтелекту, випущена в лютому 2026 року, витратила понад 25 годин і 355 доларів — і так і не знайшла критичну помилку в рушії Google V8. Моделі, що вийшла у вересні, на те саме завдання знадобилося 13 хвилин і 4,24 долара.
Головне
Пошук критичної вразливості нульового дня за допомогою ШІ дешевшає в рази: GPT 6 Sol знайшла помилку у V8 за 4,24 долара, тоді як Claude Opus 4.6 витратила майже 355 доларів і не впоралася.
Із семи протестованих моделей вразливість знайшли лише три — GPT 6 Sol, GPT 5.6 Sol і Claude Opus 5; відкриті моделі DeepSeek і Z.ai завдання провалили.
Дослідники Xint очікують, що ціна такого пошуку й надалі падатиме на 80% і більше кожні 3–6 місяців — тож захисникам варто вже зараз користатися тими самими інструментами.
ШІ дешевшає — і це змінює кібербезпеку
Провідні розробники ШІ змагаються у швидкості вдосконалення своїх моделей, а ціни на токени — одиниці, якими тарифікується робота моделей, — тим часом падають. За даними Axios, індекс Silicon Data LLM Token Expenditure Index, що відстежує середню ціну токенів з урахуванням обсягів використання, восени 2026 року вперше опустився нижче 1 долара за мільйон токенів — на 54% менше за пік кінця травня (2,07 долара). Аналогічний індекс компанії Ramp, побудований на реальних витратах бізнесу на OpenAI та Anthropic, знизився на 48% від лютневого піку.
Для компаній, які впроваджують ШІ заради продуктивності та нових сервісів, це добра новина. Проте разом із ціною токенів дешевшають і атаки з використанням ШІ — зокрема зломи через експлуатацію невідомих раніше вразливостей.
Здебільшого публікації про ШІ в наступальній кібербезпеці стосуються передового краю — лабораторій, які витрачають десятки тисяч доларів на побудову ланцюжків експлойтів. Дослідники Xint.io — платформи автоматизованого тестування на проникнення від компанії Theori — поставили інше запитання: що змінилося для «середньостатистичного» зловмисника і наскільки за рік подешевшав пошук критичної вразливості? Відповідь вони дали у звіті «The falling cost of a hack» («Як дешевшає злам»).
Як проходив експеримент
Мішенню стала помилка в V8 — рушії JavaScript, на якому працюють Google Chrome та інші браузери на базі Chromium. Вразливість CVE-2026-102321 належить до класу «плутанини типів» (type confusion). Згідно з її офіційним описом, вона дозволяла віддаленому зловмиснику виконати довільний код у межах пісочниці браузера за допомогою спеціально створеної HTML-сторінки; оцінка за шкалою CVSS — 8,8 бала (високий рівень небезпеки). Цю помилку дослідник Xint Taisic Yun використав, щоб перемогти у v8CTF — змаганні Google зі зламу рушія V8, тож у навчальних даних моделей її бути не могло.
Дослідники протестували сім моделей, випущених із лютого по вересень 2026 року: GPT 5.6 Sol і GPT 6 Sol від OpenAI, Claude Opus 4.6, 4.8 і 5 від Anthropic, а також дві китайські моделі з відкритими вагами — DeepSeek V4 Pro і GLM-5.3 від Z.ai. Оскільки кодова база V8 дуже велика, пошук обмежили набором вихідних файлів, серед яких був і файл із вразливістю.
Щоб відтворити умови, в яких працює пересічний хакер, моделі запускали у стандартних, «коробкових» агентних середовищах — Codex CLI, Claude Code та opencode, — а не в спеціалізованих інструментах на кшталт самої Xint. Вебпошук і вихідний мережевий трафік заблокували, аби агенти не могли знайти інформацію про помилку в інтернеті. Блокування спрацювало: модель DeepSeek, наприклад, 13 разів намагалася завантажити вихідний код V8 з офіційного репозиторію, але щоразу отримувала відмову.
Агент мав прочитати код, запустити програму, висувати й перевіряти гіпотези, а наприкінці подати єдиний файл — тестовий сценарій, який доводить наявність вади. Його запускала окрема програма на власній збірці V8, і вердикт «так» чи «ні» ухвалювала машина, а не людина. Вартість усіх запусків рахували за цінами на токени станом на жовтень 2026 року.
Важливе застереження: під час перших запусків без підказок жодна з моделей Anthropic та OpenAI вразливість не знайшла. Тож дослідникам довелося повторити тести, даючи моделям більше вказівок щодо напрямку пошуку.
Від 355 доларів без результату до 4 доларів за 13 хвилин
Найкращий результат показала GPT 6 Sol: 13 хвилин, 15,5 млн токенів, 4,24 долара — і правильна відповідь з першої спроби. GPT 5.6 Sol упоралася за 44 хвилини та 22,29 долара; її перша відповідь була хибною, але правильна надійшла вже за 30 секунд. Claude Opus 5 також влучила з першої спроби, хоча працювала довше — 2 години 21 хвилину — і обійшлася в 43,40 долара.
Для порівняння: Claude Opus 4.6 за 25,5 години спалила 454,8 млн токенів на 355 доларів, видала 24 хибні відповіді й так і не зупинилася сама — дослідникам довелося перервати її роботу вручну. Claude Opus 4.8 витратила майже 260 доларів і 12,5 години на 20 хибних відповідей. Відкриті моделі DeepSeek V4 Pro і GLM-5.3 дослідники примусово зупинили через 5 годин 39 хвилин, коли стало зрозуміло, що подальші витрати не наблизять їх до результату. DeepSeek за цей час 19 разів сама припиняла роботу, щоразу роблячи висновок, що завдання неможливе.
Модель Вихід Результат Вартість Час роботи GPT 6 Sol (OpenAI) вересень 2026 знайшла з першої відповіді $4,24 13 хв GPT 5.6 Sol (OpenAI) липень 2026 знайшла з другої відповіді $22,29 44 хв Claude Opus 5 (Anthropic) липень 2026 знайшла з першої відповіді $43,40 2 год 21 хв Claude Opus 4.8 (Anthropic) травень 2026 не знайшла, 20 хибних відповідей $259,60 12 год 29 хв Claude Opus 4.6 (Anthropic) лютий 2026 не знайшла, 24 хибні відповіді $354,91 25 год 34 хв DeepSeek V4 Pro серпень 2026 не знайшла, 12 хибних відповідей $34,32 5 год 39 хв* GLM-5.3 (Z.ai) серпень 2026 не знайшла, 18 хибних відповідей $43,59 5 год 39 хв*
* Роботу моделей примусово зупинили дослідники. Джерело: Xint Research
Загалом три успішні моделі разом витратили 69,93 долара, а чотири, що не впоралися, — 692 долари. Різниця між найдешевшим успіхом і найдорожчою невдачею — 84 рази на однаковій роботі.
Динаміка показова. Модель Claude, яка в травні провалила завдання, витративши 260 доларів, у липні вже розвʼязувала його за 43 долари. А пошук, що в липні коштував GPT 22 долари, у вересні подешевшав до 4 доларів — упʼятеро менш ніж за три місяці. Частина економії — суто цінова: за тарифами на день виходу GPT 5.6 Sol той самий пошук коштував би 28,51 долара, тобто лише за місяць знижки цін зробили його на 22% дешевшим.
Вразливість уже виправлена: згідно з описом CVE, їй підлягали версії Chrome до 154.0.8037.92. Тому користувачам варто переконатися, що браузер оновився до актуальної версії — у Chrome це можна перевірити в меню «Налаштування» → «Про Chrome».
Чому помилкова модель дорожчає щохвилини
Аналіз журналів показав: моделі, що не впоралися, не наближалися до відповіді з кожною новою спробою — вони просто повторювали ту саму хибну ідею. Понад 96% токенів вони витрачали на перечитування власної попередньої роботи і лише кілька відсотків — на нові міркування.
Через це витрати зростають нелінійно: що довше модель працює, то дорожчою стає кожна наступна хвилина, адже на кожному кроці вона заново перечитує все, що вже зробила. За словами дослідників, якщо завдання триває впʼятеро довше, це зовсім не означає, що воно коштуватиме впʼятеро більше, — фінальний рахунок стає непередбачуваним. Для зловмисників це реальне обмеження: без пильного контролю чи жорстких правил зупинки модель може безконтрольно «спалювати» гроші.
Чому дешевий ШІ — палиця з двома кінцями
Головний висновок Xint: вартість і необхідна експертиза як барʼєр для злому програмного забезпечення стрімко знижуються. Тепер навіть «посередній хакер» може ефективно використовувати передові моделі — і, за оцінкою дослідників, може розраховувати, що ціна пошуку подібних вразливостей падатиме на 80% і більше кожні 3–6 місяців. До того, щоб цілковиті аматори зламували системи за допомогою моделей без спеціальних інструментів, ще далеко, однак те, що раніше вважалося надто складним і дорогим для пересічного зловмисника, тепер стало досяжним.
Водночас відкриті моделі в пошуку нових вразливостей поки відстають: найефективніші моделі, яким потрібно найменше підказок, створюють дві найбільші лабораторії. Дослідники також наголошують, що пошук вразливостей нульового дня — це не те саме, що створення експлойтів для давно відомих, але не виправлених вад у реальних системах.
Загроза вже не теоретична. У травні 2026 року Google Threat Intelligence Group повідомила про перший задокументований випадок, коли кіберзлочинці, імовірно, використали ШІ, щоб знайти та перетворити на зброю вразливість нульового дня, — йшлося про обхід двофакторної автентифікації в популярному інструменті адміністрування з відкритим кодом.
Що можуть зробити захисники
Організаціям доведеться переглянути підхід до безпеки — але дешевшання токенів і зростання можливостей ШІ можуть зіграти й на їхню користь. Ніщо не заважає службам безпеки чи пентестерам самим проводити такі перевірки й знаходити вразливості раніше за зловмисників. Тестування з використанням ШІ, імовірно, вже не варто відкладати до перегляду бюджету наступного року. Оцінка ризиків, зосереджена на найімовірніших слабких місцях — як-от сервісах, доступних з інтернету, чи ланцюгу постачання програмного забезпечення, який роками не проходив аудит, — допоможе знизити ризик атак із застосуванням ШІ.
Водночас вразливості нульового дня за визначенням невідомі виробникам, тож на момент оприлюднення чи початку активної експлуатації виправлення для них може й не бути. Тому можливості ШІ тут обмежені — але він здатен звільнити фахівців для завдань, які потребують людського досвіду. До того ж модель нульової довіри для контролю доступу, сегментація та зміцнення захисту мережі, а також моніторинг кінцевих пристроїв на ознаки підозрілої активності можуть дати стільки ж, а то й більше, ніж ШІ.
Експериментом Xint підтверджує й інше: досвід усе ще має значення. Без підказок фахівців жодна з моделей не знайшла цільову вразливість.
Для зламу програмного забезпечення все ще потрібен певний рівень технічної кваліфікації, але вже не експертиза найвищого рівня
Xint Research, звіт «The falling cost of a hack»
Ця стаття ШІ знаходить вразливості нульового дня за 4 долари: тепер це під силу навіть пересічним хакерам раніше була опублікована на сайті CyberCalm, її автор — Наталя Зарудня