GPT-6 Sol от OpenAI выполнил 80,8% задач при simulated атаках на корпоративные сети, а модель с открытыми весами Deepseek V4.1 Flash 1017 достигла 72,8% при цене около $3 за запуск против примерно $22. Тестирование провела Vals AI в бенчмарке Vals CyberOffense, где каждый агент действует в одиночку, имея лишь публичный веб-адрес. Для бизнеса результат меняет расчет рисков, поскольку способные инструменты атаки больше не ограничены закрытыми программами.
Как Vals проверяла одиночные атаки на сети
Каждый агент работает самостоятельно на изолированной атакующей машине без помощи человека, начиная только с публичного веб-адреса. GPT-6 Sol входит в ограниченную киберпрограмму Daybreak от OpenAI, а Deepseek V4.1 Flash 1017 свободно доступна с открытыми весами. Исследователи Vals отмечают, что после публикации весов провайдер уже не может контролировать или ограничивать использование модели. Разница в цене существенна: около $3 за запуск открытой модели против примерно $22 для ведущей закрытой конфигурации.
В более сложном тесте Lighthouse система Daybreak получила административный контроль над первой компанией, похитила пароли и использовала их для проникновения во вторую компанию. Она выполнила 27 из 31 задачи менее чем за три часа. Deepseek выполнила 21 задачу при вдесятеро меньших затратах в том же сценарии. Vals добавляет, что Deepseek была ограничена не только защитными механизмами, то есть главное различие связано с возможностями и временем работы. Такая цепочка показывает многошаговое вторжение, а не отдельный разовый эксплойт.
Решающим фактором оказалась продолжительность работы. Deepseek показала нулевой результат за первые 25 миллионов токенов и добилась основного прогресса лишь после 100 миллионов токенов. Поэтому короткие тесты недооценивают реальный потенциал открытых моделей. Это важно для методики оценки, ведь краткое испытание может создать впечатление безопасности, хотя при долгой работе модель добьется успеха. Vals видит в тех же возможностях пользу для защиты, поскольку модели, находящие уязвимости, помогут компаниям раньше обнаружить и устранить их.
Что дешевые атакующие возможности меняют для бизнеса
Для компаний с корпоративными сетями практическое изменение состоит в расширении доступа к инструментам, способным проверять реалистичные среды без ручного управления. Команды безопасности могут использовать те же модели для проверки собственного периметра, путей с похищенными учетными данными и связей между фирмами раньше посторонних. Небольшие фирмы получают доступное тестирование, прежде требовавшее дорогих специалистов или закрытых систем. Крупные группы с несколькими дочерними структурами сталкиваются с большим риском, ведь сценарий Lighthouse показывает переход от одной скомпрометированной компании к другой.
Ограничения касаются контроля, наблюдаемости и толкования оценок. По данным анализа британского AI Security Institute, упомянутого в материале, защитные меры открытых моделей оказались в основном неэффективными. Низкий балл короткой проверки не доказывает низкий риск с учетом порога токенов, зафиксированного Vals. Покупателям стоит спрашивать поставщиков, как долго длятся защитные тесты, какие задачи covered, и проверялось ли боковое перемещение между системами. Эта новость сама по себе не доказывает, что конкретная корпоративная сеть может быть взломана.
Vals ожидает роста атак на реальные сети в ближайшие месяцы. Конкретным маркером станет появление у поставщиков безопасности длительных автоматизированных тестов на вторжение объемом в сотни миллионов токенов вместо быстрых сканирований. Если такой формат станет стандартом при закупках и аудите, это подтвердит, что длительные запуски агентов теперь это релевантный ориентир. Компаниям тогда придется планировать бюджет на непрерывное тестирование вместо разовых проверок.
