X 实测：GLM-5.2（代码审计）+ GPT-5.5（上下文采集）固件源码审计工作流

一句话结论

一份真实跑通的"多模型分工审计工作流"：GLM-5.2 承担代码审计、GPT-5.5 承担上下文采集，扫描固件源码发现 high/critical 漏洞、成本约 ¥1000；作者随后用 dsh minimal mode + DeepSeek-V4-Pro-0813 复现出几乎相同的漏洞集合（仅缺 2 个），成本降至 ¥4——可复用于"大模型辅助源码审计"的选型与成本参考。

适用场景

• 适合的任务：固件/源码漏洞审计（发现 high、critical 级漏洞）；"代码审计 + 上下文采集"分工的多模型 Agent 工作流；需要对照不同模型组合在安全审计任务上性价比的选型。

• 不适合的任务：对成本极其敏感的日常迭代（同任务有更便宜替代：DeepSeek-V4-Pro-0813 + dsh minimal mode 成本约 1/250）；需要完整可复制提示词/脚本的场景（作者未公开 workflow 细节与提示词）。

• 适用的模型版本：GLM-5.2（代码审计角色）；GPT-5.5（上下文采集角色）；对照组 DeepSeek-V4-Pro-0813（dsh minimal mode）。

• 适用的客户端、Agent 或 API：任意支持多模型编排的 Agent 框架/客户端（作者未指明具体实现，推测为自建 workflow）；dsh minimal mode（对照组）。

• 推荐的推理档位和参数：未公开；安全审计类任务建议按官方编码推荐使用 GLM-5.2 高/最高思考档位（见提示词目录 01/02 号文档）。

可直接使用的内容（工作流结构，据帖子复原）

任务：固件源码漏洞审计（目标：high / critical 级漏洞）

工作流（作者两个月前的版本）：
1. 上下文采集（GPT-5.5）：负责把固件源码中与目标相关的上下文提取、整理并喂给审计模型
2. 代码审计（GLM-5.2）：基于采集到的上下文执行漏洞审计
3. 产出：high、critical 级漏洞集合；总成本约 ¥1000

对照组（作者 8/16 的复测）：
1. dsh minimal mode + deepseek-v4-pro-0813
2. 产出：几乎完全一致的漏洞集合（仅缺失 2 个）；成本 ¥4

（注：作者未公开具体提示词、审计脚本与漏洞细节；上表为帖文信息的结构化转述，用于说明分工与成本。）

证据要点与适用边界

• 结论指向：GLM-5.2 在"代码审计"角色上有真实产出（发现 high/critical 漏洞）；但其结果可被便宜得多的 DeepSeek-V4-Pro-0813 在近似场景复现（仅差 2 个漏洞）——选型时 GLM-5.2 不是审计任务唯一的或最便宜的选择。

• 环境：作者自建 workflow，未公开环境细节（上下文窗口使用、API 渠道、审计范围）；成本为作者口径（约 ¥1000 vs ¥4）。

• 边界：单一案例、单一目标（某固件源码）；"缺 2 个"未说明严重性；不构成受控对比；具体提示词不可复用（作者未公开）。

• 佐证：GLM-5.2 在安全/审计类任务上的能力与风险同时见本目录 02（NIST CAISI：护栏允许协助 agentic 漏洞利用）与 09（Hugging Face 取证使用）号文档。

原文关键引文

"用GLM-5.2(代码审计) + GPT-5.5(Context采集)组了个巨大的workflow，扫某固件源码，发现了些high、critical的漏洞，成本￥1k"

"今天试了下dsh minimal mode + deepseek-v4-pro-0813，发现了几乎完全一样的漏洞集合（只缺了2个），成本4￥"