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，让 AI 智能体在隔离的 Kali Linux 机器上自主攻击模拟企业网络。OpenAI 受限 Daybreak 项目中的 GPT-6 Sol 目标完成率最高，为 80.8%；可自由获取的开源权重模型 Deepseek V4.1 Flash 1017 以 72.8% 紧随其后，单次运行成本约 3 美元，而前者约 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。测试还显示，多数模型在超过 1 亿 token 前难有实质进展；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 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。