Codex 拿下 16.88 美元資安賞金，代表 AI 代理開始「工作」了嗎？

16.88 美元不會改寫勞動市場，也不是什麼「AI 月薪神話」。按報導，這是一個以 OpenAI Codex 為基礎的 AI 代理，在約 22 小時的開源資安審計與賞金任務後拿到的一筆小額付款 。

但這件事之所以引起討論，不在於金額，而在於它呈現的工作型態：AI 不只是幫人補一段程式碼，而是似乎完成了「找任務、看程式、提交修正、與維護者溝通、通過驗證、收到付款」的完整流程 。

到底發生了什麼？

報導稱，X（前 Twitter）用戶 Chris 要一個 Codex-based 代理「自己去賺 5 美元」，方向是開源資安或審計賞金 。這個代理 reportedly 找到合適專案、檢查程式碼、提交 GitHub PR（Pull Request，也就是把修改送交專案審查的請求）、與專案維護者協調、完成驗證流程、保護付款資訊隱私，最後收到一張日期為 2026 年 5 月 10 日、金額 16.88 美元的付款收據 。

同一批報導也說，代理在第一筆付款到帳前，大約花了 22 小時處理多個安全審計任務 。

這裡要先踩煞車：目前可見資料主要是在整理用戶貼文，而不是正式、獨立的第三方審計。因此，這個案例更適合被看成一個訊號，而不是可直接當成產業標準的 benchmark 。

里程碑不是 16.88 美元，而是「閉環」

如果用收入來看，這個成績很弱：16.88 美元除以約 22 小時，換算下來每小時不到 1 美元 。但如果用 AI 代理工作流程來看，它就有意思得多。

關鍵在於這個 reported workflow 包含了四個真實工作常見環節：

• **理解目標：**把「去賺 5 美元」這種模糊指令，轉成可執行的資安賞金路徑 。
• **使用工具：**閱讀程式碼、操作 GitHub PR、處理驗證流程 。
• **對外協調：**不是只在本機產出一個 patch，而是與專案維護者往來 。
• **成果可衡量：**最後有驗證流程與付款收據，雖然金額很小 。

這正是「程式助理」和「代理型工作者」的差別。前者可以替你草擬修補；後者嘗試處理讓修補真正被接受、被驗證、甚至被付款的周邊流程。

為什麼軟體與資安會先被看見？

OpenAI 將 Codex 描述為一個雲端軟體工程代理，可以平行處理多項任務，並讓使用者透過引用、終端機紀錄與測試結果來檢查其輸出 。這種設計剛好符合軟體工作的特性：修改可以測試、審查、回滾，也可以透過版本控制合併。

資安賞金又更適合當早期試驗場，因為它有相對清楚的評分方式：找到問題、證明影響、或修補漏洞，再由人或系統審核。

BountyBench 這個研究框架就把 AI 代理放進更接近真實資安工作的環境，針對 25 個具複雜真實程式碼庫的系統，評估 Detect（偵測漏洞）、Exploit（利用漏洞）與 Patch（修補漏洞）三類任務 。另一份 BountyBench 資料也提到 40 個 bug bounty，金額從 10 美元到 30,485 美元不等，涵蓋 OWASP Top 10（常見 Web 應用安全風險清單）中的 9 類風險 。

換句話說，Codex 這個 16.88 美元故事不是孤立的網路奇聞。學界與業界已經開始用更接近實務的方式衡量 AI 代理：能不能找出漏洞、能不能證明漏洞、能不能提出修補，以及這些能力可能對應到多少金錢價值 。

它沒有證明 AI 準備好取代工程師

這個案例不代表自主 AI 代理已經能取代開發者、資安研究員或知識工作者。它仍是一個 reported single case，金額很小，現有資料也無法完整說明背後成本、失敗率或可重複性 。

而且，benchmark 也顯示能力很不平均。BountyBench 的一份摘要指出，在最多三次嘗試下，OpenAI Codex CLI 在 Patch 任務達到 90%，但在 Detect 任務只有 5% 。這個差距很重要：修補一個已知或指定的問題，通常比在混亂的真實系統中自己找出有價值的新漏洞容易得多。

真正的自主工作，不只是「修好別人指出的問題」，還包括選對問題、避免誤報、控制風險，並在複雜環境中安全行動。

近期更可能是「有監督的自主」

比較合理的近期圖像，不是 AI 代理毫無監管地在網路上接案打工，而是人類監督下的自主執行：人類定義目標、預算、帳號權限、風險界線與核准規則；代理負責搜尋、撰寫、測試、提交與後續跟進；高風險動作仍由人類審查，責任也仍在人類與部署方身上。

最早適合代理處理的任務，大致會有幾個特徵：

• 主要發生在數位環境。
• 成功條件清楚。
• 可以被測試、審查或驗證。
• 出錯後可回滾，或風險相對低。
• 可以拆成很多小型嘗試。

因此，早期場景很可能先出現在 bug 修補、資安 patch、文件更新、測試撰寫、QA 檢查、資料清理等窄任務。真正的經濟問題不是「一個代理能不能賺到人類時薪」，而是「大量低成本、可平行、可稽核的小嘗試，能不能累積出足夠多被接受的成果」。

安全重點：防禦與攻擊只差一步

同一套能力，既可以讓代理檢查程式碼並提出漏洞修補，也可能被用來評估或執行攻擊性資安任務。BountyBench 明確把 AI 代理放在攻防兩面來看，包括 Detect、Exploit 與 Patch 任務 。

這也是為什麼治理不能事後才補。真實部署需要清楚的權限邊界、沙盒環境、身份控管、揭露規則、操作紀錄，以及高風險行為的人類核准。OpenAI 對 Codex 的介紹也強調安全與透明，讓使用者能透過引用、終端機紀錄與測試結果檢查工作 。當代理開始碰觸更多真實系統，這些紀錄就不是加分項，而是基本配備。

結論：不是 AI 致富，而是 AI 開始進入可驗證工作流

Codex 拿到 16.88 美元資安賞金，不是 AI 發財故事，也不是大規模取代工作的證據。它比較像一個小而清楚的訊號：AI 代理正在從展示型 demo，走向有外部系統、有真人對口、有驗證、有付款的真實經濟流程 。

如果這種模式可以擴大，未來的代理型工作不會只是「AI 回答問題」，而會更像「AI 在人類設定的邊界內追求具體目標」。真正有價值的代理，也不會只是生成看起來合理的內容，而是能安全地產出可驗證、可追蹤、可稽核的結果。