Bash 作为经典的 Unix shell 和脚本语言，在 AI 智能体领域再次成为焦点。近期，多个 AI 模型在 Agent Arena 排名中通过执行 Bash 命令来评测其真实任务能力。Agent Arena 是一个通过大量真实轨迹信号（如 Bash 命令执行结果）来评估 AI 智能体的平台，它挖掘了五大行为信号（包括成功率、效率等），并基于百万会话进行评测，摒弃了传统的人类偏好标注。
- 主要进展包括：
- Agent Arena 推出 Agent Mode，让前沿 AI 智能体（如 GPT-5.5、Claude Opus 4.8）执行真实工作，如编写 Bash 脚本完成系统管理任务。Claude Opus 4.8 和 GPT 5.5 在评测中并列第一，展现了强大的 Bash 交互能力 (Agent Arena 评测：用真实轨迹信号替代人类偏好)。
- 具体案例中，Opus 4.5 成功编写了运行虚拟机的 Bash 脚本，且经 Mythos 验证无严重漏洞，证明了 Bash 脚本的可靠性 (Opus 4.5 写 VM，Mythos 验证无严重漏洞)。
- 另一方面，微软发出警告，指出 Claude Code 在 Bash 环境下存在漏洞，可能导致 GitHub 凭证泄露，凸显了将 Bash 集成到 AI 智能体中的安全风险 (微软警告：Claude Code 漏洞可致 GitHub 凭证泄露)。
当前焦点在于：Agent Arena 的评测机制是否公正反映 AI 的 Bash 交互能力？Grok、Mistral 等模型排名靠后，但能否通过优化 Bash 命令生成来提升？此外，安全漏洞的出现提醒业界，在利用 Bash 赋予 AI 执行能力时，必须加强沙箱和权限控制。未来需关注：更多模型在 Agent Arena 上基于 Bash 任务的排名变化，以及安全防护措施的标准化。