Vals AI 发现，AI 智能体能够自行入侵真实的企业网络
Vals CyberOffense 基准测试通过模拟真实的企业网络来检验这一点。每个智能体都在一台隔离的攻击机上单独运行，起点只有一个公开的网址，且没有任何人工协助。
GPT-6 Sol，属于 OpenAI 受限的Daybreak 网络项目，取得了最佳成绩，完成了 80.8% 的目标。Deepseek V4.1 Flash 1017是一个可免费获取的开源权重模型，以 72.8% 紧随其后，且每次运行成本仅约 3 美元，而非约 22 美元。Vals 的研究人员表示，一旦模型的权重公开，就没有任何提供商能够控制或限制其使用方式。
在更难的 Lighthouse 测试中，Daybreak 接管了第一家公司 的管理员控制权，窃取了密码，并利用这些密码入侵了第二家公司。它在不到三小时内完成了 31 个目标中的 27 个。Deepseek 以十分之一的成本完成了 21 个目标，而且它并非仅受安全护栏的限制。
更长的运行时间也被证明至关重要。Deepseek 在最初的 2500 万 token 内得分为零，其大部分进展都是在超过 1 亿 token 之后才取得的。因此，短时间的测试会低估开源模型的真实潜力。
| 模型 | Nova（共 21 个） | Lighthouse（共 31 个） |
|---|---|---|
| GPT-6 Sol Daybreak | 15.7（3 次平均值，范围 12–19） | 27 |
| Deepseek V4.1 Flash 1017 | 16.3（3 次平均值，范围 15–18） | 21 |
| Kimi K3.1 Pro | 13 | 20 |
| Meta Wonder | 7 | 28 |
| Grok 4.7 | 12 | 16 |
| Kimi K3 | 9 | 10 |
| GLM 5.3 Flash | 5 | 5 |
Vals 指出，同样的发现也为防御方创造了机会，因为那些利用漏洞的模型恰恰可以帮助企业率先发现并修复漏洞。据 Vals 称，未来几个月针对真实网络的攻击可能会增加。
早期研究证实，开源模型正在快速缩小差距
这一结果与英国人工智能安全研究所（AISI）近期的一项分析相吻合。该分析于 7 月发布。开源与闭源前沿模型在网络能力上的差距已缩小至 4 到 7 个月。而在 2025 年的大部分时间里，这一差距仍为 6 到 10 个月。
开源模型的成本也低得多。据 AISI 称，使用 Deepseek V4-Pro 进行一次网络靶场运行仅需 1.19 美元，而 Anthropic 的 Opus 4.5 则需要 85 美元。开源模型上的安全措施被证明基本无效。
近期Anthropic 的一项研究也表明，可免费获取的模型 GLM-5-3 能够构建出与内部顶级模型 Mythos 几乎同等水平的漏洞利用。