Cloudflare 的漏洞赏金初审成本为每月 58 美元。其首席安全官表示，公司用 Anthropic 的 Claude Sonnet 模型完成这项工作，而改用 Anthropic 面向安全领域的 Mythos 模型处理同样的工作，每月费用将高达约 20 万美元。这一数字是在悉尼的一场新闻发布会上公布的，也是 Cloudflare 为一个更广泛论断提供的证据：适合某项工作的 AI 模型并不总是最强大的那一个。
Cloudflare 首席安全官格兰特·布尔齐卡斯在澳大利亚用户大会期间的一场媒体午餐会上介绍了这一变化。此前的漏洞赏金项目依靠员工阅读每一份收到的报告。如今 Sonnet 会筛选提交内容，检查每条是否重复，并评估一份报告有多大可能值得人工关注。布尔齐卡斯将这一结果描述为一个日常工作量减少的项目，并称其证明团队必须学会让模型与任务相匹配，而不是默认选用可用的最强选项。
与 Mythos 的对比可以追溯到今年早些时候。在 Anthropic 的封闭项目 Project Glasswing 中，该项目将防御性安全团队与其前沿模型配对，Cloudflare 将未发布的 Mythos 预览版用于自己的生产代码，并报告该模型把细微缺陷串联成横跨 50 多个代码仓库的可用漏洞利用，还自行编译并运行了概念验证代码。这种能力用于初审属于大材小用，因此 Cloudflare 选择了一款更便宜的通用模型来处理重复性的筛选工作，而把前沿工具留给发现新漏洞这一更难的问题。
漏洞赏金自动化只是更大规模自研体系的一部分。布尔齐卡斯表示，Cloudflare 运行着 200 多个生产安全代理，负责漏洞管理、事件升级、架构分析和二进制控制，响应时间下降了约 80%。仅一个架构代理就包含 55 个子代理，它们会将漏洞与其周边的控制措施、权限和系统，包括这些系统之间的交互方式，放在一起综合评估。这一转变历时约 3 年，安全团队在 2026 年 1 月至 6 月完成的工作量超过了 2025 年全年，而团队规模还缩小了 25%。第三方安全工具已从 Cloudflare 边缘核心网络的部分区域撤出。
公司还将该系统设计为与模型无关，代理可以根据价格、安全要求、数据位置和手头任务在不同模型之间切换。布尔齐卡斯描述了这样的工作流程：一个模型完成主要工作，另一个模型检查或反驳其结果，在某些情况下，中国的开源权重模型 Kimi 担任主力，Claude Opus 作为备份。科恩表示，这套框架让 Cloudflare 能够控制成本并保持选择的余地，可以在不同模型之间切换，而不必围绕其中任何一个重建工作流程。
布尔齐卡斯明确表示，大多数机构不应效仿 Cloudflare 的做法。他说，公司的业务及其独特的信息安全挑战，使其”买还是自研”的权衡与其他人完全不同，Cloudflare 也认为并非每个机构都应该自研软件。科恩附和了这一告诫，称并非每家公司都应该打造 Cloudflare 安全团队所打造的东西，公司里大多数人都不应插手代理和应用程序开发。
Cloudflare 还认为 AI 正在重塑供应商与客户的关系。科恩表示，行业正从打包软件转向持续为客户构建工具的驻场工程师，她将公司最近一轮约 1100 人的裁员与这一转变联系起来，称在自动化承担了更多工作之后，一些被裁撤的岗位不再物有所值。她还表示，预计 Cloudflare 的员工总数将回落到裁员前的大致水平。
婷 翻译
Sources: Cloudflare has mostly ditched third party security tools, suggests not trying that at home (The Register, Aug 4, 2026); ‘Block, allow, optimise or charge’: Cloudflare says AI has broken the web’s commercial bargain (Mi3, Jul 29, 2026); Claude Mythos AI Built Working Exploits Across 50 Cloudflare Repos, Then Refused To Demo (AI Europe, May 19, 2026)