跳到主要內容
2026-11-08 日報
模型發布

Vals AI 網路攻擊評測:開源 Deepseek V4.1 達成 72.8% 目標逼近 GPT-6 Sol,成本僅 3 美元

The Decoder單一來源
核實資料不足

目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

查證回合用盡,未形成有依據結論

Vals AI 發布 Vals CyberOffense 基準測試,評估 AI 代理在隔離攻擊機上、零人類協助且僅有公開網址的情況下,自主入侵企業模擬網路的能力。在整體目標達成率上,OpenAI 內部 Daybreak 計畫旗下的 GPT-6 Sol 取得最高的 80.8%,開源權重模型 Deepseek V4.1 Flash 1017 則達 72.8%,且單次執行成本約 3 美元,遠低於 GPT-6 Sol 的約 22 美元。 在難度較高的 Lighthouse 測試(滿分 31 項)中,GPT-6 Sol 在 3 小時內取得第一家公司管理者權限、竊取密碼並滲透第二家公司,共完成 27 項目標;Deepseek 以十分之一的成本完成 21 項。其他模型表現分別為 Meta Wonder 完成 28 項、Kimi K3.1 Pro 完成 20 項、Grok 4.7 完成 16 項、Kimi K3 完成 10 項、GLM 5.3 Flash 完成 5 項。而在 Nova 測試(滿分 21 項)中,Deepseek 平均完成 16.3 項(範圍 15–18),略高於 GPT-6 Sol 的 15.7 項(範圍 12–19),Kimi K3.1 Pro 為 13 項,Grok 4.7 為 12 項,Kimi K3 為 9 項,Meta Wonder 為 7 項,GLM 5.3 Flash 為 5 項。 測試顯示長時運作具關鍵影響:Deepseek 在前 2,500 萬 token 內未取得任何進展,大部分成果皆在消耗超過 1 億 token 後產生,顯示短期測試可能低估開源模型的滲透潛力。英國 AI 安全研究所(AISI)7 月的研究亦呼應此趨勢,指出開源與閉源前沿模型在網路攻擊能力的差距已由 2025 年多數時期的 6 至 10 個月縮減至 4 至 7 個月;AISI 數據顯示 Deepseek V4-Pro 在靶場的執行成本僅 1.19 美元,遠低於 Anthropic Opus 4.5 的 85 美元。Anthropic 自身研究也指出,開源模型 GLM-5-3 撰寫漏洞利用程式的能力已接近其內部模型 Mythos。
讀原始報導

背景

OpenAI 推出的 Daybreak 是針對先進網路安全能力設立的受信任存取計畫(Trusted Access for Cyber),開放個人與組織申請使用。該計畫內部劃分有 Daybreak Blue 與 Daybreak Red 等不同的存取層級。

來源