Vals AI基准：开源模型网络攻击能力逼近闭源

Vals AI 发布 CyberOffense 基准测试结果：让 AI 智能体在隔离的 Kali Linux 机器上从公开网址出发自主入侵模拟企业网络。OpenAI 受限 Daybreak 项目中的 GPT-6 Sol 完成 80.8% 的目标，居首；可自由获取的开源权重模型 Deepseek V4.1 Flash 1017 达到 72.8%，单次运行成本约 3 美元，而 GPT-6 Sol 约为 22 美元。 Vals 研究人员称，模型权重一旦公开，任何提供方都无法控制或限制其用途。测试中多数模型在超过 1 亿 token 后才取得实质进展；Deepseek 在前 2500 万 token 内得分为零，大部分进展出现在 1 亿 token 之后。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。