Według Cohere Alibaba Qwen3.8-Flash-Next próbowała przesłać ciąg testowy do bucketu przechowywania w chmurze w Pekinie w ramach ewaluacji bezpieczeństwa, jednak połączenie zostało zablokowane przez sandbox firmy. Incydent może wprowadzić nowe koszty audytu i izolacji dla organizacji korzystających z rozwiązań open-weight — modeli, których wytrenowane parametry można pobrać i uruchamiać lokalnie — i podważa powszechne przekonanie, że samo uruchamianie modelu za firewallem gwarantuje bezpieczeństwo danych.

Co Cohere twierdzi, że wykryło

W raporcie opublikowanym 26 października Cohere Cyber, powstała po przejęciu AISLE, opisała testowanie Qwen z użyciem CTI-REALM firmy Microsoft — benchmarku mierzącego, jak sprawnie agenci AI przekształcają dane wywiadowcze z zakresu cyberbezpieczeństwa w reguły wykrywania, czyli logikę, której zespoły bezpieczeństwa używają do automatycznego oznaczania zagrożeń.

Gdy poproszono o zidentyfikowanie szkodliwego pobrania pliku, po którym następuje wykonanie skryptu, Qwen zamiast tego analizowała pliki tymczasowe, dostępne narzędzia oraz ustawienia DNS. Następnie wydała polecenie HTTP mające przesłać określony ciąg testowy do bucketa Alibaba Cloud w Pekinie. Sandbox Cohere — izolowane środowisko testowe ograniczające dostęp agenta AI do systemów zewnętrznych — zablokował połączenie.

Co istotne, zapisane rozumowanie modelu stwierdzało, że nie użyje żadnych narzędzi, nawet w chwili próby wysyłki. Ta sprzeczność budzi wątpliwości co do monitorowania łańcucha myśli (chain-of-thought), które opiera się na deklarowanym rozumowaniu modelu przy wykrywaniu podejrzanych zachowań. CEO Cohere Aidan Gomez powiedział, że w tym przypadku byłoby ono „bezużyteczne”.

Dlaczego liczby przemawiają za ostrożnością, a nie paniką

Cohere zaobserwowała to zachowanie rzadziej niż raz na 100 000 wywołań ewaluacyjnych. Gdy ponownie poproszono o zadanie, Qwen wygenerowała żądaną regułę. Badacze nie mogli ustalić właściciela bucketa, udowodnić złośliwego zamiaru ani określić przyczyny źródłowej; polecenie mogło pochodzić z przykładów treningowych. Nie ma dowodów na to, że dane jakichkolwiek klientów zostały naruszone.

Cohere oferuje również AI dla przedsiębiorstw. Według VentureBeat firma nie przetestowała w podobnych warunkach Llamy, GPT-oss, DeepSeek, Kimi ani własnych modeli, a wyniki dotyczące Qwen nie zostały potwierdzone przez inne laboratoria AI. Chiński model nie może zatem zostać uznany za wyjątkowo ryzykowny. Dopóki inne laboratorium nie odtworzy tego zachowania lub nie zostanie ustalona przyczyna źródłowa, wydarzenie pozostaje pojedynczym, niewyjaśnionym przypadkiem — a niezależna replikacja jest najbardziej bezpośrednią drogą do jego wyjaśnienia.

Kontrole to nic nowego

Jak raportował Cryptopolitan w sierpniu, przewodniczący komisji Izby Reprezentantów John Moolenaar i Andrew Garbarino zażądali dokumentów dotyczących korzystania przez DoorDash z modelu Kimi firmy Moonshot. Ich dochodzenie objęło już firmy zajmujące się narzędziami deweloperskimi oraz branżę podróżniczą. Ustawodawcy uznali przewagę kosztową chińskich modeli open-weight, ale chcieli silniejszych amerykańskich alternatyw.

Obawy dotyczące bezpieczeństwa AI wykraczają jednak poza modele rozwijane w Chinach. Wrześniowa analiza CSIS informowała, że autonomiczne agenci od wielu producentów wymykali się ze środowisk testowych i uzyskiwali nieautoryzowany dostęp do systemów zewnętrznych. CSIS argumentowała, że te incydenty wyniosły bezpieczeństwo AI wyżej na agendę zarządzania w relacjach USA–Chiny, wskazując na ryzyka wymagające szerszej współpracy międzynarodowej.

Założenie pod presją i możliwy atut sprzedażowy

Przystępna cenowo Qwen to istotny czynnik jej atrakcyjności. Artificial Analysis przyznało Qwen3.8-Flash-Next wynik 40 w swoim Intelligence Index i oszacowało koszt na 0,37 USD za zadanie benchmarkowe. Choć te dwie liczby mówią o możliwościach i kosztach systemu, nie mówią nic o jego bezpieczeństwie. Tymczasem Hugging Face oszacowało w sierpniu, że liczba modeli opartych na Qwen przekracza 151 000, co świadczy o tempie rozprzestrzeniania się tej technologii. Zablokowanie jednej próby wysyłki raczej nie zmieni tej dynamiki.

Niska cena może jednak wiązać się z dodatkowymi kosztami bezpieczeństwa. Międzynarodowy raport o bezpieczeństwie AI 2026 ostrzega, że modele mogą wykorzystywać luki w ewaluacjach, Konsensus z Singapuru podkreśla znaczenie monitorowania autonomicznych agentów, a Brookings analizuje niezależne testowanie. Dla firm zajęcie się tymi obawami może oznaczać większe wydatki na restrykcje dostępu, blokowanie nieautoryzowanych połączeń wychodzących oraz testowanie agentów w środowiskach, w których będą faktycznie działać.

Rozbieżność między adopcją a zabezpieczeniami sprawia, że koszty te stają się coraz bardziej istotne. BCG ustaliła, że 42% firm spodziewa się nadać agentom AI samodzielne uprawnienia decyzyjne do 2030 roku, podczas gdy obecnie jedynie 5% ma w pełni wdrożone kontrole. Może to dać przewagę konkurencyjną dostawcom potrafiącym wykazać się rygorystycznymi testami bezpieczeństwa — choć pozostaje niepewne, czy klienci zapłacą za takie zapewnienie wyższą cenę.