7 KI-Agenten zur Klassifizierung und Behebung von Bitcoin-Fehlern eingesetzt – Was haben sie gefunden?

• Die Modelle Qwen 3.8, GPT 5.6 und Fable sind gescheitert: eines hat sich festgefahren und zwei weigerten sich zu arbeiten.
• 4 der 7 getesteten Modelle sind Open-Source und können ohne Filter verwendet werden.

Paul Miller, ein Entwickler, der Krypto-Bibliotheken pflegt, die in Projekten von Bitcoin und Ethereum verwendet werden, testete 7 Künstliche Intelligenz (KI)-Agenten, um 5 reale Sicherheitsanfälligkeiten zu klassifizieren und zu beheben, die vom Bitcoin Red Team gemeldet wurden. Das Ergebnis zeigte deutliche Unterschiede zwischen den Modellen, sowohl in den Dollar-Ausgaben, die für die Ausführung jedes einzelnen erforderlich waren, als auch in der Genauigkeit ihrer Diagnosen.

Von den 7 bewerteten Agenten haben 3 die Aufgabe nicht abgeschlossen. Qwen 3.8 von Alibaba blieb während des Prozesses stecken, ohne dass Miller einen Grund angab. GPT-5.6 Sol von OpenAI und Fable von Anthropic weigerten sich direkt, am Code zu arbeiten, wie Miller selbst berichtete, obwohl die Aufgabe darin bestand, Fehler zu identifizieren und zu beheben, nicht sie auszunutzen.

Die 4 Agenten, die die Arbeit tatsächlich abgeschlossen haben, Grok 4.6 (xAI), Kimi K3 (Moonshot AI), DeepSeek V4 Pro und DeepSeek V4 Flash (DeepSeek), hatten sehr unterschiedliche Dollar-Ausgaben für den Tokenverbrauch (Benutzeranweisungen) bei ihrer Ausführung:

• Grok 4.6 kostete 4,70 Dollar an Rechenleistung.
• DeepSeek V4 Pro kostete 0,30 Dollar für dieselbe Aufgabe, was einen Unterschied von 15,7 Mal (fast 1500 %) zwischen dem teuersten und dem günstigsten Modell ausmacht.

Auch die benötigte Zeit variierte erheblich. DeepSeek V4 Pro schloss seine Arbeit in 30 Minuten ab, Kimi K3 in 40 Minuten und Grok 4.6 in 1 Stunde, während DeepSeek V4 Flash 3 Stunden benötigte, sechsmal (500 %) länger als DeepSeek V4 Pro für dieselbe Aufgabe.

Laut Miller stimmte nur Grok 4.6 mit seiner eigenen Bewertung der Schwere der 5 Sicherheitsanfälligkeiten überein.

Die anderen 3 Agenten, die die Arbeit abgeschlossen haben (Kimi K3, DeepSeek V4 Pro und DeepSeek V4 Flash), übertrieben die Schwere der gefundenen Fehler, was laut Miller die allgemeine Qualität des Ergebnisses, das diese 3 Modelle lieferten, beeinträchtigte.

Miller's Test findet inmitten einer Welle von Angriffen statt, die Künstliche Intelligenz nutzen, um die Suche und Ausnutzung von Sicherheitsanfälligkeiten im Bitcoin-Ökosystem zu beschleunigen.

In den letzten Wochen haben Coldcard, Boltz, ZEUS, BTCPay Server und LNP2Pbot Sicherheitsvorfälle erlitten, die mit Fehlern verbunden sind, die Angreifer mit Hilfe von KI-Modellen identifiziert und ausgenutzt haben. Keiner dieser Fälle betraf das Bitcoin-Protokoll selbst, sondern Produkte und Dienstleistungen, die außerhalb des Netzwerks betrieben werden.

Diese Welle von Vorfällen hat das Bitcoin Red Team, eine Gruppe von Entwicklern, die sich der Suche nach Sicherheitsanfälligkeiten in Open-Source-Projekten von Bitcoin widmet, dazu veranlasst, eine massive, KI-gestützte Prüfung des Ökosystems durchzuführen.

Die Prüfung des Bitcoin Red Teams hat bereits mehr als 300 Open-Source-Repositories abgedeckt, und aus dieser Arbeit entstanden die 5 Sicherheitsanfälligkeiten, die Miller als Grundlage für seinen eigenen Test der 7 KI-Agenten verwendete, unter anderen 8.000 gefundenen Fehlern von dieser Gruppe von Forschern, wie CriptoNoticias berichtete.

Von den 7 Agenten, die Miller getestet hat, sind 4 Open-Source, Kimi K3, DeepSeek V4 Pro, DeepSeek V4 Flash und Qwen 3.8. Das bedeutet, dass die Unternehmen, die sie trainiert haben, ihre Parameter öffentlich veröffentlicht haben, was es jedem Benutzer ermöglicht, sie herunterzuladen und auf seinen eigenen Geräten auszuführen, ohne auf die Genehmigung dieser Unternehmen angewiesen zu sein.

Die anderen 3 Agenten, Grok 4.6, GPT-5.6 Sol und Fable, sind proprietär, sodass sie nur über die Plattform oder die API (Application Programming Interface) des Unternehmens, das sie entwickelt hat, verwendet werden können.

Diese Unterscheidung zwischen Open-Source- und proprietären Modellen ist für die Sicherheit des Bitcoin-Ökosystems relevant. Da sie auf den eigenen Servern jedes Unternehmens ausgeführt werden, ermöglichen proprietäre Modelle ihren Erstellern, aktive Sicherheitsfilter aufrechtzuerhalten, wie die, die GPT-5.6 Sol und Fable dazu brachten, sich zu weigern, an den Sicherheitsanfälligkeiten in diesem Test zu arbeiten.

Open-Source-Modelle hingegen können auf einem lokalen Computer ausgeführt und von jedem Benutzer modifiziert werden, was es ermöglicht, diese Sicherheitsfilter zu entfernen. Ein Angreifer könnte eine unbeschränkte Version eines dieser Modelle verwenden, um echte Angriffe auf Plattformen des Bitcoin-Ökosystems zu unterstützen, etwas, das kein externer Filter verhindern könnte.

Miller's Test zeigt, dass trotz des Fortschritts der Künstlichen Intelligenz bei der Erkennung von Sicherheitsanfälligkeiten signifikante Unterschiede zwischen den verschiedenen Modellen bestehen, wenn es darum geht, sie präzise zu klassifizieren und zu beheben, sowohl in den Dollar-Ausgaben, die jeder verursacht, als auch in den Kriterien, die sie anwenden.

Dieser Inhalt wird nur zu allgemeinen Informationszwecken bereitgestellt und stellt keine finanzielle, Anlage-, Rechts- oder Steuerberatung dar. Alle erwähnten Ereignisse, Prämien, Online-Aktionen oder zugehörige Informationen sollten nicht als Empfehlung, Aufforderung oder Einladung zum Kauf, Verkauf, Handel oder anderweitigem Umgang mit Krypto-Assets betrachtet werden. Krypto-Assets sind sehr volatil und können zu Verlusten führen. Die Verfügbarkeit von WEEX Services, Produkten und zugehörigen Aktionen kann je nach Region unterschiedlich sein. Sie sind dafür verantwortlich sicherzustellen, dass Ihre Teilnahme mit geltenden lokalen Gesetzen und Vorschriften übereinstimmt.