Egyre kisebb a lemaradás a nyílt és zárt AI-modellek kiberképességeiben

A Vals AI CyberOffense benchmarkjában az AI-agentek önállóan törnek be szimulált vállalati hálózatokba. A teszt izolált Kali Linux gépről indul, nulla emberi segítséggel: a támadó egy nyilvános webcímből kiindulva jut el a webalkalmazástól a Windows-szervereken át az adminisztrátori jogokig. Minden lépést külső rendszer naplóz és automatikusan pontoz.

A legjobb eredményt a GPT-6 Sol Daybreak érte el, amely az OpenAI korlátozott Daybreak kiberprogramjának része, 80,8 százalékos teljesítménnyel. A zárt modell futtatásonként mintegy 22 dollárba került, míg a szabadon elérhető, nyílt súlyú modell költsége jóval alacsonyabb volt — írja a The Decoder.

Hosszabb futtatás, több cél. A modellek annál több támadási célt értek el, minél több tokent használtak fel. A legtöbb modell csak 100 millió token felett mutat érdemi előrelépést, így a rövid tesztek alulbecsülhetik a nyílt modellek valódi képességeit. A DeepSeek az első 25 millió tokenben nullára teljesített, a fejlődését főként a 100 millió token után mutatta.

A nehezebb Lighthouse-teszten a Daybreak átvette az első cég adminisztrátori irányítását, ellopta a jelszavakat, majd ezekkel tört be a második cégbe. Három órán belül 31-ből 27 célt teljesített. A DeepSeek 21 célt ért el tizedannyi költséggel, és nem csupán a biztonsági korlátok szabták meg a teljesítményét.

Védekezés is lehet belőle

A Vals szerint ugyanezek a képességek a védekezőknek is kínálnak lehetőséget: az a modell, amely a sebezhetőségeket kihasználja, segíthet a vállalatoknak azok megtalálásában és javításában. A valós hálózatok elleni támadások száma a következő hónapokban nőhet.

A brit AISI elemzése

Az eredmények összhangban vannak a brit AI Security Institute (AISI) július eleji elemzésével, amely szerint a nyílt és a zárt élvonalbeli modellek kiberképességei közötti különbség négy-hét hónapra csökkent. Az előző időszakban ez a különbség még hat-tíz hónap volt. Az AISI szerint a DeepSeek V4-Pro egy kiberpályás futtatása 1,19 dollárba került, szemben az Anthropic Opus 4.5 modelljének 85 dolláros költségével. A nyílt modelleken alkalmazott biztonsági intézkedések nagyrészt hatástalannak bizonyultak.

Egy friss Anthropic-tanulmány szerint a szabadon elérhető GLM-5-3 modell közel azonos szinten képes kiberkihasználásokat építeni, mint a cég belső, legerősebb modellje, a Mythos. A nyílt modell tehát már a zárt élvonal közelében jár, a DeepSeek V4.1 Flash pedig 72,8 százalékos eredményével a Vals benchmarkjában is ezt a közelséget mutatja.