AI 信任指数

AI 生成的代码平均每个代码库包含 15 个漏洞，
平均而言

通过对 16 个主流 AI 模型和 1,760 个代码库的测试，我们发现风险可根据模型和框架进行预测，这为安全负责人提供了弥补差距所需的数据。

下载可视化报告
探索数据
已测试的 AI 模型
16
已评估的框架
11
已生成的代码库
1,760
已发现的唯一 CWE
86
概览

什么是 SCW AI 信任指数？

SCW AI 信任指数是一个动态基准，用于衡量主流 AI 模型生成包含安全漏洞代码的频率。它会随着新模型的发布而实时更新，而非一次性发布后便不再维护。

下载可视化报告
这是一个带有标签和样式选项的动态标题

漏洞遵循可预测的模式

漏洞遵循可预测的模式。在 1,760 个代码库中，相同类型的弱点反复出现——日志记录失败、注入缺陷和访问控制失效始终位居前列。AI 生成的风险是可重复的，而非随机的。

这是一个带有标签和样式选项的动态标题

每个模型都有独特的安全指纹

这 16 个模型中的每一个都会留下其特有的 OWASP 漏洞类别组合，因此团队可以预见——而不仅仅是被动应对——特定模型可能带来的风险。

这是一个带有标签和样式选项的动态标题

没有单一模型能胜任所有场景

安全表现因框架而异——GPT-5.1 在 Java Enterprise API 中领先，Claude Opus 4.8 在 Python Django 中领先。选择合适的模型取决于团队的开发环境。

这是一个带有标签和样式选项的动态标题

价格无法预示安全性

在所有 16 个模型中，测试中最昂贵的模型（Claude Fable 5，每次运行 174.94 美元）综合排名第二，而最便宜的模型（Gemini 2.5 Flash，每次运行 0.58 美元）得分低于平均水平。价格并不能预示安全性。

漏洞

最常见的缺陷并不罕见，往往源于普遍的人为失误

在整个数据集中共识别出 86 个独特的 CWE。其中三个 CWE 占据了所有已确认漏洞的绝大部分。

下载可视化报告
CWE ID姓名真正例中等风险
CWE-532将敏感信息写入日志文件8,54380.06
CWE-79网页生成过程中的输入中和不当（“跨站脚本攻击”）2,94990.57
CWE-798硬编码凭据的使用1,34868.5
全部 16 款模型

总体信任指数

归一化评分，0–100 分。分数越高，代表相对于同类模型而言漏洞越少——100 分仅表示在该数据集中漏洞最少，并不代表完全没有漏洞。

下载可视化报告

原始 6 款模型的评分与已发表的 RMIT 研究结果有所不同，这是因为归一化样本池已从 6 款扩展至 16 款。评分始终是相对于整个群体而言的。

Claude Sonnet 5
80.4
Claude Fable 5
76.4
GPT 5.3 Codex
75.3
Claude Opus 4.8
74.5
GPT 5.1
71.6
Gemini 3.1 Pro
66.6
GPT 5.5
66.5
Gemini 2.5 Pro
65.6
Claude Sonnet 4.5
65.2
Gemini 3.5 Flash
59.1
Devstral 2
53.1
Claude Haiku 4.5
50.7
Claude Sonnet 4.6
45.5
Gemini 2.5 Flash
39.4
Qwen3 Coder
32.7
GPT 5 Mini
21.6
框架

领先者随框架而变

模型的综合排名并不能保证它是特定技术栈的最安全选择。

下载可视化报告
框架领先模型
Java Enterprise APIGPT-5.1
Java SpringClaude Sonnet 4.5
Python DjangoClaude Opus 4.8
C# (.NET)GPT-5.5
CClaude Fable 5
研究

研究方法

16 个 AI 模型分别生成了同一个复杂的费用管理应用程序（涵盖身份验证、文件上传、支付、数据库访问等功能），每个组合在 11 个框架下独立运行了 10 次。每个代码库均使用相同的开源静态分析工具（Semgrep、Bearer、Bandit）进行扫描，并使用相同的智能代理流程对所有发现结果进行了误报验证。

下载可视化报告
已验证的独特漏洞发现
1,554
已确认的漏洞（真阳性）
27,000+
每个代码库的独立 SAST 工具
3
每个模型/框架组合的运行次数
10
方法论

与 RMIT 合作开发

最初的研究与方法论是与皇家墨尔本理工大学（RMIT University）合作开发的，涵盖了首批测试的 6 个模型。Secure Code Warrior 随后使用相同的方法论，将研究独立扩展至 16 个模型。

阅读完整方法论

常见问题解答

什么是 SCW AI 信任指数？

这是一个动态基准，用于衡量主流 AI 模型生成包含安全漏洞代码的频率。其方法论最初由皇家墨尔本理工大学（RMIT University）共同开发，随后由 Secure Code Warrior 独立扩展至 16 个模型。该指数会随着新模型的发布而持续更新，而非一次性的研究报告。

平均而言，人工智能生成的代码包含多少个漏洞？

在测试的 1,760 个代码库中，每个代码库平均存在 15 个已确认的漏洞，其中通常有 4 个或更多被评为严重或高危级别。

哪种人工智能模型生成的代码最安全？

没有哪款模型能在所有场景下都稳操胜券。Claude Sonnet 5 以 80.4 分（满分 100 分）的总成绩位居榜首，但领先的模型会因框架而异。

模型的 API 成本能否预测其代码的安全性？

不能。在测试的所有 16 款模型中，最昂贵的模型（Claude Fable 5，每次运行 174.94 美元）综合排名第二，而最便宜的模型（Gemini 2.5 Flash，每次运行 0.58 美元）得分低于平均水平。

AI 生成代码中最常见的安全漏洞是什么？

CWE-532（将密码或令牌等敏感信息写入应用程序日志文件）在数据集中出现了 8,543 次，是所有漏洞中出现频率最高的。

这项研究是如何进行的？

十六个 AI 模型分别在 11 个框架中各生成了同一个应用程序，每个框架重复 10 次，并每次都使用相同的工具和验证流程进行扫描。

还有其他问题吗？

用于吸引尚在观望的客户的支持详情。

联系我们

获取您的团队所需的关键数据，自信地管理 AI 生成的代码

下载可视化摘要，快速获取可分享的研究概览，或探索完整的交互式数据集——按模型、框架及漏洞类型分类。

下载电子书
探索数据