0sec Labs открыла код ИИ-харнесса 0: заявлено 93 из 95 задач XBOW

Цюрихская компания 0sec Labs, которую поддерживает Y Combinator, опубликовала исходный код 0 - харнесса для ИИ-задач в безопасности: поиск уязвимостей, ревью кода, пентест, реверс-инжиниринг бинарников и генерация исправлений. Лицензия двойная, MIT или Apache-2.0, статус релиза - research preview.
Что это такое
0 не модель. Это управляющий слой между языковой моделью и набором security-инструментов: пользователь подключает своего провайдера, а харнесс запускает рабочие процессы против целей, на проверку которых у него есть разрешение. Список поддерживаемых провайдеров насчитывает 14 позиций: OpenAI, Anthropic, DeepSeek, OpenRouter, Azure, Qwen, Kimi, GLM, Grok и другие, плюс рантаймы Claude, Codex и Gemini CLI. GPU не нужен, инференс идет на стороне провайдера. Запускается на macOS с Apple Silicon, на Linux (x64 и ARM64) и из контейнера ghcr.io/0sec-labs/0.
Управлять можно тремя способами. Локальная браузерная консоль открывается без аккаунта и включает чат, очередь находок, шаблоны сценариев, навыки и память. Headless CLI дает тот же запуск сценариев командами вроде "0 workflow run" и "0 runs list". А MCP-сервер, поднимаемый через "0 mcp-server --workflows", позволяет подключить к харнессу внешних кодинг-агентов.
Как устроена проверка
Главный принцип из документации: сначала воспроизвести, потом верить. Агентный скан идет по цепочке. Исследовательский агент выбирает классы уязвимостей, размечает эндпоинты и проверяет гипотезы. Фильтры отсеивают слабые находки и проверяют полноту доказательств. Отдельная сессия заново прогоняет каждого кандидата, на это отводится 5 ходов. В конце собирается отчет в HTML, PDF, SARIF, Markdown или JSON.
Веб-пентест построен вокруг оболочки: агент работает через bash с curl, python3 и sqlmap, а не через фиксированный набор HTTP-инструментов. У каждой находки есть степень доказанности - от кандидата до подтвержденного воздействия. Скомпилированные цели обрабатывает отдельный движок 0verse, который оборачивает Ghidra, angr и AFL++ и отдает 9 инструментов через локальный MCP-сервер.
Цифры и их цена
Все результаты ниже - самоотчет авторов, независимой перепроверки в источнике нет.
- XBOW web CTF: 93 из 95 (97,9%) на связке с gpt-5.4, при этом засчитывается любой удачный прогон, то есть это не pass@1. - Объединенный набор XBOW из 104 задач: 102 в режиме white-box и 81 в black-box (77,9%). - Холодный прогон на тех же 104 задачах дал 45 (43,3%). - Cybench: 36 из 40 (90%) на Azure gpt-5.4 с тремя попытками. - Аудит 81 npm-пакета: F1 0,973, полнота 100%, доля ложных срабатываний 0,11 - но разметку эталона авторы собирали сами.
Стоимость - около 5,20 доллара за решенную задачу XBOW. Разрыв между 97,9% и 43,3% показывает, как сильно результат зависит от условий засчета и накопленных артефактов. Смотреть стоит на строгие цифры, а не на лучшую. Кроме того, команда ссылается на публичный список исправлений в ядре Linux, найденных с помощью 0, но подробностей в доступном материале нет.
Рядом с конкурентами
Из открытых аналогов в сравнении источника фигурируют Shannon от Keygraph (AGPL-3.0, веб-приложения и API, нужен исходный код), Strix (Apache-2.0, код, веб и API) и CAI от Alias Robotics, архивированный 28 августа 2026 года. Отличие 0 в охвате: веб, LLM- и MCP-цели, исходники, пакеты, бинарники и ядра в одном инструменте, плюс разрешающая лицензия без копилефта. Минус - статус research preview и отсутствие Windows в списке платформ.
Для команд, которые уже гоняют кодинг-агентов, интересен именно MCP-режим: харнесс можно подключить как набор проверок к существующему агенту. Прежде чем запускать его на рабочих системах, цифры стоит перепроверить на собственных задачах, а цели ограничить теми, где есть письменное разрешение.
Источники
Похожие новости
Vercel Labs выпустила UI SDK: 50+ поведений интерфейса для ИИ-агентов
Vercel Labs открыла бета-версию UI SDK под Apache-2.0: набор из 50+ поведений интерфейса, из которых агенты собирают доступные компоненты для React, Vue, Svelte, Solid и Web Components.
llama.cpp и ggml вышли в версии 1.0.0 и перешли на семантическое версионирование
Команда ggml-org выпустила llama.cpp и ggml v1.0.0. Теперь поломки API и ABI будут отмечать повышением мажорной версии, а сборки появятся в Homebrew, Winget, conda-forge и других каналах.
Amplitude оценивает срок выпуска доработок с агентом Wave в 1-2 дня, раньше уходил месяц
Amplitude рассказала, что ее агент Wave на моделях OpenAI сокращает путь от идеи до релиза с примерно месяца до 1-2 дней. В тесте на своей главной странице число сообщений через карточки-подсказки через день выросло на 160% относительно контрольной группы.