Bitcoin Red Team, kelompok riset keamanan sukarela yang dipimpin pengembang pseudonim bernama Calle, telah menggunakan Kimi K3 — model AI dari startup China Moonshot AI — untuk memindai ekosistem open-source Bitcoin guna mencari kerentanan, mencatat ribuan temuan di berbagai wallet, aplikasi Lightning, dan pustaka software selama audit yang berlangsung sekitar dua pekan.
Catatan berjalan tim ini mencapai 7.958 temuan yang mencakup sekitar 390 proyek, dengan 1.280 di antaranya diklasifikasikan sebagai tingkat keparahan tinggi atau kritis. Dari seluruh dataset tersebut, sekitar 24,7% telah direproduksi secara dinamis dan dikonfirmasi asli, dan 29,4% sudah dilaporkan ke pengembang proyek terkait pada saat penghitungan terbaru — angka yang dengan hati-hati dibingkai tim sebagai antrean triase keamanan, bukan bukti adanya ribuan bug yang bisa dieksploitasi di produksi.
Kenapa Memilih Model AI Buatan China
Kimi K3 dirancang untuk menganalisis basis kode berskala besar dan menjalankan tugas software yang panjang dengan pengawasan manusia yang minim, dan pengembang bisa mengunduh serta menjalankannya secara lokal di infrastruktur mereka sendiri. Calle mengatakan tim beralih ke model buatan China sebagian karena model AI buatan AS memiliki batasan penggunaan yang secara khusus berlaku untuk skenario riset keamanan — batasan yang menurutnya berulang kali dihadapi tim selama audit sebelum akhirnya beralih ke model yang bisa dijalankan secara lokal tanpa batasan tersebut.
Pendekatan ini tetap memadukan AI dengan pengawasan manusia, bukan sepenuhnya mengandalkan output model: temuan yang ditandai Kimi K3 diverifikasi oleh peneliti manusia sebelum dieskalasi, dan kerentanan yang kredibel dilaporkan secara privat ke pengembang proyek terkait agar perbaikan bisa dirilis sebelum detail teknisnya menjadi publik — praktik pengungkapan bertanggung jawab yang lazim dalam riset keamanan.
Baca juga: MSCI Bisa Depak Strategy dari Indeksnya, CEO Tetap Ngotot Beli BTC
Gambaran Awal Audit Berbantuan AI dalam Skala Besar
Calle menyebut keterlibatan dua pekan ini mengungkap betapa cepatnya model AI modern bisa menelusuri kode open-source yang terkumpul selama bertahun-tahun, menyebutnya sebagai “tabrakan besar” antara software lama yang ditulis tanpa mempertimbangkan tinjauan berbantuan AI dan model mutakhir yang kini mampu menguraikannya dalam skala besar. Software inti Bitcoin serta ekosistem wallet dan Lightning di sekitarnya secara historis mengandalkan kelompok kecil auditor manusia yang ahli, sehingga alat yang bisa mentriase basis kode besar dengan cepat — meski dengan tingkat false-positive yang tinggi — berpotensi secara signifikan mengubah kecepatan munculnya kelas bug baru di seluruh stack open-source Bitcoin yang lebih luas, asalkan langkah verifikasi manusia bisa mengimbangi volume temuan yang dihasilkan AI.
