Сравнение на AI агенти за сигурност: Claude, Codex, Mantis, Cloudflare

Anthropic, OpenAI, Cloudflare и Google вече предлагат по един AI агент, който търси пропуски в сигурността в изходния код. Проверихме хранилищата, документацията и техническите подробности зад всеки от тях.

Основният извод: и четирите инструмента се обединяват около един дизайн. Един агент открива пропуск, отделен агент се опитва да го опровергае и само потвърдените находки получават корекция. Разликите са в това къде работят, кой може да ги използва и колко доказателства изискват.

Основни изводи

• 4 лаборатории, 1 модел: откриване, независимо опровергаване, след това корекция.
• Claude Security работи вътре в Claude Code; не е необходим допълнителен API ключ.
• CLI инструментът на Codex Security е с лиценз Apache-2.0, но сканирането все още изисква достъп до OpenAI.
• Умението на Cloudflare е с лиценз MIT, независимo от модела и с най-много звезди — 47,5K.
• Mantis на Google възпроизвежда пропуските в пясъчник; Google препоръчва изолирането му.

Защо 4 лаборатории пуснаха едно и също през 2026 г.

Проблемът, който всички те решават, е шумът. Екипът по сигурността на Google пише, че небрежното сканиране на код с AI генерира халюцинирани пропуски и нива на истински положителни резултати под 7%. Скенер, който греши в 93% от случаите, струва на проверяващите повече, отколкото им спестява.

Общото решение е разделянето на отговорностите. Агентът, който докладва находка, никога не получава възможност да я потвърди. Cloudflare формулира правилото директно в своя README: проверяващият никога не е агентът, открил пропуска. Anthropic, OpenAI и Google също описват подобна стъпка за валидиране, преди нещо да попадне в доклад.

Вторият двигател е настъплението. Екипът на Anthropic посочва, че е създал своя скенер отчасти защото нападателите вече използват AI модели за откриване на уязвими пропуски, според The Hacker News. Google започва публикацията си за Mantis, отбелязвайки, че моделите вече могат да откриват и експлоатират пропуски с малко човешка помощ.

1. Claude Security от Anthropic

Какво представлява: Многоагентен скенер за уязвимости, който работи в рамките на сесия на Claude Code. Това е локалната версия на хоствания продукт Claude Security на Anthropic, според README файла на плъгина.

Как работи: Агентите картографират архитектурата, изграждат модел на заплахите, търсят във всеки компонент и независимо проверяват всяка находка. Плъгинът предлага 3 задачи от едно меню: сканиране на кодовата база, сканиране на промените или предлагане на корекции, според документацията на Claude Code.

Резултат: Markdown доклад заедно с файл SARIF 2.1.0 за сканиране на код в GitHub. Всяка находка съдържа степен на сериозност, категория CWE, въздействие и стъпки за възпроизвеждане. Корекциите се създават в работно копие и се записват като файлове F<n>.patch. Плъгинът никога не извършва commit, push или не отваря pull request самостоятелно.

Цена и достъп: Той не извършва собствени заявки към модели, така че не е необходим отделен API ключ. Сканиранията се отчитат към ограниченията за използване на вашия план Claude.

/plugin install claude-security@claude-plugins-official
/claude-security

Хронология: Anthropic откри ограничен преглед под името Claude Code Security през февруари 2026 г. Хостваният продукт достигна публична бета версия за корпоративни клиенти на Claude Opus 4.7. Плъгинът Claude Code влезе в бета версия на 22 юли 2026 г., според Cybersecurity News. През август хостваният скенер премина към Claude Mythos 5, според Dataconomy.

Мястото му в системата: Anthropic го позиционира като един слой. Плъгинът за насоки за сигурност проверява кода, докато Claude го пише, а /security-review извършва еднократно сканиране на даден клон. Claude Security е дълбокото сканиране при поискване.

2. Codex Security от OpenAI

Какво представлява: CLI инструмент и TypeScript SDK, публикувани като @openai/codex-security, за откриване, валидиране и поправяне на уязвимости.

Как работи: Сканира цялото хранилище, избрани пътища или Git diff. Флагът –mode deep стартира паралелни работници за откриване. Той валидира кандидат-находките, генерира корекции и може да проверява съществуващи поправки. Командата cs policy създава чернова на SECURITY.md, която указва на бъдещите сканирания какво се счита за уязвимост във вашия проект.

Резултат: Модели на заплахите, SARIF, JSON или CSV експорти, както и публикуване в Linear. Може да импортира сигнали от сканирането на код в GitHub и да предлага собственици въз основа на Git историята. GitHub Action изпълнява планирани сканирания или сканирания на pull request-и; по подразбиране находките са само за докладване.

npm install --global @openai/codex-security
cs login
cs scan 

Цена и достъп: Клиентът е с лиценз Apache-2.0, но скенерът зад него не е. DevOps.com отбелязва, че CLI инструментът и SDK остават в ограничена бета версия за одобрени клиенти. README файлът посочва OpenAI, Amazon Bedrock, OpenRouter и Fireworks AI като доставчици. Изисква Node.js 22.13+ и Python 3.10+.

3. Умение за одит на сигурността от Cloudflare

Какво представлява: Умение с лиценз MIT, което превръща всеки способен агент за програмиране в одитор по сигурността.

Как работи: одит в 6 фази:

1. Разузнаване: картографиране на архитектурата, границите на доверие и входните повърхности в architecture.md и регистър на покритието.
2. Търсене, насочено от покритието: изолирани агенти-търсачи поемат отделни единици от регистъра; критиците на покритието търсят пропуски.
3. Валидиране на кандидатите: нов проверяващ се опитва да опровергае всеки уникален кандидат.
4. Структуриран резултат: потвърдените, нуждаещите се от валидиране и отхвърлените записи се записват във findings.json и се проверяват спрямо схема.
5. Независима проверка на записите: нови агенти проверяват повторно всяко окончателно твърдение за източника.
6. Отчитане, неутрално спрямо целта: REPORT.md и подробните файлове се извеждат от проверените записи.

Изисквания: Агент за програмиране, който поддържа използване на инструменти и паралелни подагенти, плюс Node.js за валидаторите. Необходим е и пясъчник, наложен от операционната система, без външна мрежа. Без такъв потенциалните находки остават със статус needs_validation, вместо да бъдат изпълнени.

npx skills add https://github.com/cloudflare/security-audit-skill –skill security-audit

След това попитайте агента: „одитирай сигурността на тази кодова база“. По подразбиране резултатът се записва в ~/security-audit-skill/<repo-name>/run-<N>, извън вашето хранилище.

Данните зад него: Cloudflare публикува умението на 18 юни 2026 г. заедно с публикацията си Изградете собствена система за откриване на уязвимости. Умението с приблизително 450 реда е в основата на вътрешна система, която вече сканира 128 хранилища. Cloudflare отчита следните общи числа:

• 20 799 необработени кандидати от откриването, от които около 12 057 са преминали валидирането.
• 13 841 находки в общия пул за триаж в 145 хранилища, включително резултати от друга система.
• 5 442 са премахнати като дубликати, а 1 154 са насочени извън системата като находки в грешно хранилище или с нисък риск.
• 7 245 приложими находки са изпратени до инженерните екипи.

По-добрият контекст от разузнаването е намалил процента на отхвърляне при първия преглед от 40% на 11%. Cloudflare също използва един модел за откриване и различен модел за триаж, така че моделите се проверяват взаимно.

4. Mantis от Google

Какво представлява: Набор от умения за преглед на сигурността с лиценз Apache-2.0, плюс референтна система ADK за AI агенти за програмиране. Екипът на Google посочва, че това е част от начина, по който вътрешно открива и поправя пропуски.

Как работи: Mantis прочита историята на хранилището, за да се учи от предишни корекции по сигурността. Изгражда йерархично обобщаващо дърво, което свива файловете до обобщения на директориите и кореновото ниво. Екипът на Google посочва, че това е намалило разхода на токени с над 85%. След това генерира модел на заплахите и хипотези, търси, премахва дубликати и критикува находките.

Какво го отличава: Възпроизвеждане и проверка на корекциите. Mantis се опитва да възпроизведе всеки пропуск — от статична скица на експлойт до модулен тест или mock сървър. Той прилага корекции чрез враждебен цикъл, който атакува поправката. Освен това калибрира сериозността спрямо рубрика, за да предотврати „хиляди критични находки“. След това умението mantis-advise връща наученото обратно в генерирането на код.

Настройка: Клонирайте хранилището и насочете към него произволен агент за програмиране или стартирайте директно системата ADK. Системата поддържа prompt –focus, например „търси IDOR“, и горна граница на разхода чрез –max-tokens.

git clone https://github.com/google/mantis.git
cd mantis/reference && ./install.sh
./run.sh path/to/code

Сравнение

Отвъд голямата четворка: други AI инструменти за лов на пропуски, пуснати през 2026 г.

Поне още 12 базирани на агенти инструмента за уязвимости бяха пуснати или станаха публични през 2026 г. Почти всички повтарят един и същ цикъл на откриване и независимо валидиране. Те се разделят на безплатни системи, които стартирате сами, и търговски или вътрешни платформи.

Системи с отворен код

AppSec Santa също следи системи от Anthropic (defending-code-reference-harness), Trail of Bits, Capital One (vulnhunter) и Cisco (ai-deep-sast). Системата на Cisco работи изцяло локално с Foundation-Sec-8B, така че кодът не напуска машината.

Търговски платформи и вътрешни системи

Моделът се запазва при всички доставчици: детерминистичните механизми или валидаторите извършват доказването, моделите извършват разсъждението, а човек одобрява всяка корекция.

Кой да стартирате първо

• Вече използвате Claude Code: започнете с плъгина Claude Security. Инсталира се с 1 ред и използва съществуващия ви план.
• Нуждаете се от CI контрол и SARIF в GitHub: Codex Security разполага с най-зрелите инструменти за процеси, ако организацията ви има достъп.
• Искате да избегнете обвързване с доставчик: умението на Cloudflare работи с всеки агент с паралелни подагенти и е изцяло с лиценз MIT.
• Разполагате с екип по сигурността и пясъчник: Mantis предлага най-дълбокия цикъл на доказване, с възпроизвеждане и враждебно тестване на корекциите.

Собствената архитектура на Cloudflare подсказва практична комбинация. Извършете откриването с един инструмент или модел, след което валидирайте с друг. Различните модели откриват различни дялове от пропуските.