Tech Meridian ← К ЛЕНТЕ
PROМОЙ MERIDIAN EN

НОВОСТЬ · MODELS · #3259

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.

КЛЮЧЕВЫЕ ТЕЗИСЫ

  1. 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.
  2. Эти выводы согласуются с анализом AISI и исследованиями Anthropic; Vals также указывает, что те же модели могут помочь защитникам находить уязвимости.
  3. Показывает, что открытые модели приближаются к закрытым по способности к автономным кибератакам при гораздо меньших расходах, что усиливает риски и открывает возможности для защиты и регулирования.

ПОЧЕМУ ЭТО ВАЖНО

Показывает, что открытые модели приближаются к закрытым по способности к автономным кибератакам при гораздо меньших расходах, что усиливает риски и открывает возможности для защиты и регулирования.

ИСТОЧНИКИ И ХРОНОЛОГИЯ

1