内容生成的门槛快速下降，验证成为新瓶颈

10 月 1 日，Google 的漏洞赏金官方账号发了一条公告，关键词只有五个字：绝大多数无效。从这一天起，开源软件漏洞奖励计划（OSS VRP）停止接收产品漏洞提交。

同一天，arXiv 宣布：每位提交者每个自然月最多投 2 篇论文。一个是全球最大的开源安全激励计划，一个是全球最大的预印本平台，同日关门。

把时间往前拨。6 月，NeurIPS 用 AI 检测工具扫了 969 篇投稿，直接拒掉 178 篇，占 18.4%。官方博客给出的理由不是「学术不端」，而是一句更冷静的话：把 AI 生成的文本交给同行评审，等于把核查的成本转嫁给审稿人。

4 月，《纽约时报》报道了一家金融服务公司：引入 AI 编程工具后，月产代码从 2.5 万行涨到 25 万行，积压待审的代码约 100 万行。

四个现场，三个行业，看起来毫不相干。真正发生的事只有一件——**AI 把「生成」的边际成本压到接近零，却没有降低「验证」的成本。**约束条件于是从生成搬到了验证。而几乎所有现行机制，都是按生成量定价的。

两道工序，一道在塌，一道没动

生成和验证，是整个知识生产流程的两道工序。

生成一份「看起来像样」的东西——一段代码、一篇论文、一份漏洞报告——过去本身就是一道过滤器。它贵，所以把不认真的人挡在外面。

大模型把这道理序压到了几分钟。

验证没有变便宜。代码要有人读、要跑测试、要判断架构有没有被悄悄改坏；论文要有人读、要复现、要辨真假；漏洞报告要有人读、要试着复现、要判定再关闭。每一份产出，不论真假，都得由人过一遍。

入口的成本趋近于零，出口的成本原地不动，中间那一段就被撑爆了。三个行业各自的具体账：

领域	生成端	验证端
代码	Google 称新代码 75% 由 AI 生成（2026 年 4 月）；某金融公司月产代码从 2.5 万行到 25 万行	agent 提交的 PR 平均等 17.6 小时才被打开（人类 PR 为 3.4 小时）；30 天内合并率 32.7%（人类 PR 84.4%）
论文	2025 年约 57% 的已发表论文带有大模型语言痕迹（2023 年为 12%）	arXiv 每月限投 2 篇；NeurIPS 立场赛道直拒 178 篇（18.4%）；ICLR 2026 约 21% 的评审完全由 AI 生成
漏洞报告	生成成本从数小时压到几分钟	curl 报告有效率从约 1/6 掉到 1/20–1/30；HackerOne「互联网漏洞赏金」停收；Google OSS VRP 停收

生成成本与验证成本，正在拉成一把剪刀

验证税：连最乐观的一方也把它单列了

给这件事命名的，是 DORA——Google Cloud 旗下研究软件交付的团队。在 2026 年的 ROI 报告里，它把「为了确认 AI 产出是否正确、安全、符合系统架构而多付出的工」叫做 verification tax，验证税。

DORA 把 AI 落地画成一条 J 形曲线：先掉下去，再涨上来。掉下去那段由三样东西构成——学习成本、下游流程改造，以及这项验证税。报告管它叫「转型的学费」，并提醒管理者别把第一季度的下滑当成失败。

报告给了两组数字。简单的新建项目上，AI 带来约 35%–40% 的效率提升；复杂的存量代码上，不到 10%。它那个 500 人工程组织的示例模型里，引入 AI 后变更失败率从 5% 升到 6%，折算出约 34.4 万美元的停机损失。

这份报告本身是乐观的：第一年 39% 的 ROI、8 个月回本，并明确建议企业不要靠裁员兑现收益。正因为乐观，那句「生成便宜了、检查没有」才更站得住——连最看好 AI 的一方，也把这条成本单独列了出来。

另一组证据来自反面。METR 做过一次随机对照实验：16 位资深开源开发者，在自己的项目上完成 246 个真实任务，随机决定哪一半可以用 AI。结果是用了 AI 的那一半平均慢了 19%。但开发者自己觉得快了 20%，事前他们的预测是快 24%。

结论不是「AI 没用」，而是：人对验证成本几乎没有感知。

谁受益，谁受损，谁被漏掉

先说受益的一方，而且必须说清楚：AI 确实在真干活，这一点不该被这轮新闻盖住。

curl 负责人 Daniel Stenberg 说，团队跑的 AI 分析工具帮他修掉了 100 多个真 bug。其中一个是 Telnet 实现里某个字节不符合一份 2012 年后再没人读过的规范。他在自己的 PR 上挂了三个 AI 审查机器人，让它们凌晨两点替他找问题。

受损的第一类人是开源维护者：验证成本落在他们身上，而且大多无偿。第二类是合规的独立研究者——门一关，真问题和假问题一起被挡在外面。

被漏掉的那一方是修复。HackerOne 的「互联网漏洞赏金」从 2012 年起采用 80/20 分账：80% 的奖金给发现问题的人，20% 给负责修复的开源项目。这套设计的前提是「发现比修复难」。AI 把这个前提掀翻了——发现变便宜，修复没有。所以停掉的是发现侧。公告里那句「确保漏洞发现能转化为持久的修复结果」，翻译过来就是：钱付错了地方。

代价顺着链条往下传。IBB 一停，Node.js 的赏金资金被切断，4 月起提交流程不变、奖金归零。

一个细节值得单独看：验证工具也需要被验证

NeurIPS 那 178 篇直接拒稿引起了争议，原因不在结论，在方法。

检测工具用默认窗口（250–350 词）跑时，判定为「高度疑似 AI 生成」的稿件占 28.2%。换成 100 词的窄窗口，同一批稿件的比例掉到 12.7%。一个对作者完全不可见的参数，决定了 18.4% 的拒稿率。

用自动化去堵验证的缺口，本身又欠了一次人工验证。

还有一层更硬的限制：AI 审 AI 有共盲区。两个同源的模型会犯同一种错，让它们互相检查，得到的是「同一个意见说了两遍」，而不是一次独立复核。所以如今能自动化的，大多还是排序、查重、溯源这类机械工序。「这份东西到底对不对」，仍然没有便宜的答案。

判断：不是 AI 写得太快，是评价方式没跟上

这一轮的问题不是 AI 太能生成，而是所有按生成量计价的机制，在同一时间到期了。

漏洞赏金按「发现」付钱，论文按「产出」计量，代码效率按「行数」和「PR 数」汇报。三套计价方式共享同一个假设：生成是稀缺的。这个假设在 2025 年到 2026 年之间塌了，评价方式没跟上。

这不是五家机构各自的管理失误，是同一个结构性错配在三个行业同时到期。

curl 给出了这套账最清楚的一版数字。2026 年 1 月，Stenberg 关掉了运行七年的漏洞赏金计划。触发点很具体：某一周，16 小时之内收到 7 份报告，没有一份指出安全漏洞。更值得看的是有效性——到 2025 年初，curl 的安全报告里大约每 6 份有 1 份是真的；到 2025 年底，掉到了 1/20 到 1/30。

对做产品的人，该记住的就是这个比例。当入口成本降到零、而承接的人没变，信噪比就会掉到 1/30。 这跟你在做安全、做客服、做招聘还是做供应商审核，没有关系。