AREX Feed Article
哥伦比亚大学助理教授 Zhuo Zhang 称 GPT-6 分别用不到 20 分钟解出两道高难度逆向挑战
9 月 15 日，哥伦比亚大学计算机科学系助理教授 Zhuo Zhang 在 X 上发帖称，他正与 CrackmesOne 社区合作开发新的 AI 逆向工程基准；其间测试的两道高难度逆向挑战，被 GPT-6 分别用不到 20 分钟解出（）。帖文给出了两道题的公开链接，并在结尾征集更难的题目。
按帖文说法，两道题涉及的防护机制包括编译期变形（build-time metamorphism）、门级自定义 CPU（用逻辑门搭建的处理器）、加密内存，以及由 SIGSEGV（段错误信号）驱动的解密与控制流混淆。两道题都来自 crackmes.one 平台：victormeloasm 的 Froggate II: Croackpocallypse，以及 xutaxkamay 的 HellGates。这一结果由 Zhuo Zhang 一方公布：帖文没有说明测试使用的 GPT-6 具体变体与评测配置，也没有附上解题记录。
（图源：SRE-Bench 项目主页）
三条帖文：解出声明、挑战链接与征集请求
帖文发布于 9 月 15 日 16:06 UTC，北京时间已是 9 月 16 日凌晨 0 点 06 分。第一条交代测试节奏：与 CrackmesOne 社区的合作「过程非常愉快」，两道题是用「短短几天」测完的。随后是那句关键声明：
「这两道题手动逆向起来想必是种折磨人的乐趣。幸运的是（也可以说是不幸的是），GPT-6 把两道题都解了出来，每道不到 20 分钟。」
第二条是：两道 crackmes.one 的题目链接，以及两位作者的 GitHub 与个人网站，结尾是「欢迎你们自己来破解」。第三条是：「如果你认为你的 crackme（逆向练习程序）能难倒 GPT-6，请联系我们，帮我们证明 GPT-6 并非不可战胜。」他同时补充一句：不要用针对 AI 的特殊技巧或提示注入，「我们要的是真正困难、能检验 AI 能力的逆向工程问题」。
（截图：X 上的原帖）
两道题的来历：一道上架不到四天，一道公开九个多月
Froggate II: Croackpocallypse 是一道新题。显示，它由 victormeloasm 在 2026 年 9 月 11 日 21:26 上传，x86-64 架构、C/C++ 编写，比帖文早不到四天。题面用沼泽怪物的口吻写着「Froggate 回来了，带着更深的怨恨」，随后是几条限制：「NO AI NO PATCHING NO HOOKING NO FUNNY TRICKS」；目标是「Build a keygen」，即构造一个密钥生成器。
HellGates 则老得多：2025 年 11 月 30 日上传，x86-64，题目文件太大（1 GB），以 GitHub 等外部链接提供（）。作者 xutaxkamay 说，这是他的第一个公开挑战，「我认为它难到离谱（不是全职，但我写它花了一年）」；目标是「在（假的）LCD 上输入正确的字母序列」，像输入作弊码。他称会尽量给第一个找到密码的人一笔 XMR（门罗币）奖励，个人网站（）也挂着同一件事：把 flag（题目答案）或密码连同 XMR 地址发给他，并说明如何解出。
截至发稿，两个挑战页面显示的 writeup（公开解题报告）数量都是 0；HellGates 累计下载 370 次，Froggate II 是 17 次。
HellGates 的评论区：作者说无人破解，AI 也失败过
HellGates 的公开页面上留有一段持续数月的尝试记录。2026 年 2 月底，一名叫 TheSwedishLord 的解题者开始在这里留言；3 月初，他的一个 AI 助手（他后来说那是自己的 OpenClaw 实例）在评论区贴出长篇分析，声称已提取出门电路、还原了执行流程。xutaxkamay 的回应很直接：「你发来的东西有一半是错的」「你的 AI 大概是在用胡说八道弥补技能不足」。他逐条纠正，说题里没有 LFSR（线性反馈移位寄存器）解密、也没有 JIT（即时编译），只有信号处理器（signal handler）里层层递归加密的 shellcode（一段可直接运行的机器码），故障是故意埋进二进制里对抗静态分析的，并写道「我不会帮 AI 做这件事」。
3 月 6 日，作者又留了一句：「其实我挺高兴 AI 还解不出它（至少现在？），看它失败挺有意思。」解题者随后道歉，称那是自动化助手所为，已撤销其权限。作者对 AI 并非一味排斥：到 5 月，他又补了一句，自己这个月刚开始用 LLM（大语言模型），「用起来挺方便，但并不完美」。
7 月 22 日，作者问「这题真有这么难吗？」。8 月 1 日，一位新解题者表示想试试，他回复：这道题发布已经八个多月、在 GitHub 和 LSE 网站上挂了一年，「还没有人破解」，「所以我想这套混淆是有效的」。同一条回复里他谈到奖励：「目前我只有大约 0.6 XMR」；如果还是没人解出，他打算再等几周到几个月，也许写一篇博客讲讲这道题。
一个半月后，9 月 15 日的帖文称，这道题被 GPT-6 解出了。
SRE-Bench：从「逆向远未解决」到 GPT-6 接近全解
这次测试属于一条更长的合作线。9 月 10 日，Zhuo Zhang 发帖宣布 SRE-Bench 与 CrackmesOne 的合作规划：把平台上的未解挑战带进 SRE-Bench，「看看它们能否难倒前沿模型」，并逐一联系挑战作者询问意愿（）。同一天他提到评测进展：多数模型还「差点火候」，而「GPT-6 Astra 把我们的当前基准彻底解掉了」，所以是时候做更难、更好的版本了（）。在另一条帖文里，他把要回答的问题概括为：智能体逆向工程还差在哪些环节，或者 2026 年是否已经可以说逆向工程「被解决」了（）。
8 月 11 日，介绍 SRE-Bench 的论文提交到 arXiv。论文称它是「第一个真实、无污染的逆向工程基准」：由逆向专家从零构建、投入超过 5,000 小时，包含 19 个从未公开的私有程序，平均约 1.69 万行代码，覆盖网络协议、游戏、文件格式、恶意软件、固件五个领域；团队自研 44 个反分析原语，生成 262 个二进制实例、1,572 项可确定性判分的任务。论文对五款前沿模型（GPT-5.6-sol、Claude-Opus-5、GPT-5.5、Grok-4.5、GLM-5.2）的结论是：逆向工程「远未解决」，最强的 GPT-5.6-sol 实例级得分 61.4%，完全解出的实例只有 31.5%，强源代码安全能力尚未迁移到二进制分析（）。
（图源：SRE-Bench 论文 arXiv:2608.11469 图 1）
SRE-Bench 官网（）则称，团队与 OpenAI 合作评测了后者最强的模型 GPT-6 Astra：「该模型在 SRE-Bench 上取得了接近 100% 的解出率，而我们评测的其他模型都低于 60%。」官网还说，这些结果促使他们把难度继续上探，用一系列与 OpenAI 合作的试点评测探索更难的设置。
论文作者之一，就是发帖的 Zhuo Zhang。哥伦比亚大学工程与应用科学学院官网显示，他是该校计算机科学系助理教授（2026 年起任职），研究软件与系统安全；他此前在普渡大学取得计算机科学博士学位，本科毕业于上海交通大学（）。
（图源：哥伦比亚大学工程与应用科学学院官网）
征集规则：没被模型解出、没有公开 writeup、不含针对 AI 的花招
SRE-Bench 的把参与方式写得很细。它接受三类贡献：种子程序（用于生成新评测目标的私有程序）、完整的 CTF（夺旗赛）风格逆向挑战，以及让题目更难的反分析工具；所有材料都发给 Zhuo Zhang，经内部评审后决定是否收录。以 CTF 挑战为例，提交者要提供题面、二进制（附名称、应用类型和源语言）、源代码、校验器或期望答案、推荐工具清单；题目运行在 Linux Docker 容器里，源代码会被交给 GPT-5.6-sol 试跑，用来确认题目确实有解；页面举的反例是，有的题会要求解题者做分解 RSA-2048 这类没人做得到的事。
四道收录门槛是：没有被 GPT-5.6-Sol Max 解出，因为「模型已经能解的题不会给基准带来任何增益」；没有公开 writeup；不含针对 AI 的花招，即「二进制和题面里都不能出现针对模型而非分析者的内容：不得提示注入，不得对智能体下指令，不得设计用来让它跑偏的内容」；作者身份可验证（机构、公司，或在 crackmes.one 这类平台上有信誉的账号）。征集页还写明：「我们会对每一份提交运行 GPT-6，并根据结果决定它是否加入基准。」
Crackmes.one 在 Zhuo Zhang 发帖约半小时后转发了征集：「想让你的 crackme/逆向挑战与 Astra 6 过招吗？来参与 SRE-Bench！」（）
按征集页的说明，被接受的挑战会出现在 SRE-Bench 的任务页上，作为一项独立条目。这条合作要找的，是一道能让 GPT-6 停下来的题。