Бенчмарк Vals: открытая Deepseek почти догнала GPT-6 Sol в автономных кибератаках
Бенчмарк Vals CyberOffense имитировал реальные корпоративные сети и запускал автономных агентов с одной публичной веб-страницей; по данным Vals, GPT-6 Sol (программа Daybreak) выполнил 80,8% задач, тогда как открытая Deepseek V4.1 Flash 1017 — 72,8% при значительно меньших затратах, причём для открытых моделей важны длинные прогоны. Эти выводы согласуются с анализом AISI и исследованиями Anthropic; Vals также указывает, что те же модели могут помочь защитникам находить уязвимости.