오픈 AI 모델, 제한된 시스템과의 사이버 역량 격차를 좁혀
Vals AI 테스트에서 오픈 웨이트 모델 DeepSeek V4.1 Flash가 자율 사이버 공격에서 OpenAI의 GPT-6에 근접한 것으로 나타나, 비용 하락 속에서 방어 담당자들에게 긴급한 질문을 제기하고 있다.
The Decoder가 보도한 Vals AI 벤치마크에 따르면 오픈 웨이트 AI 모델이 자율 사이버 작전에서 제한된 시스템에 근접하고 있다. OpenAI의 GPT-6 Sol Daybreak은 시뮬레이션 공격 목표의 80.8%를 완료했으며, 무료로 이용할 수 있는 DeepSeek V4.1 Flash는 72.8%에 도달했다. 보고된 실행 비용은 OpenAI 시스템이 약 22달러인 반면 DeepSeek는 약 3달러였다.
이 결과가 중요한 이유는 독점 모델과 공개 모델 사이의 보안상 구분이 사이버 위험의 예측 지표로서 점점 덜 유용해지고 있기 때문이다. 가중치가 공개된 모델은 개발자가 회수하거나 중앙에서 제한할 수 없으며, 낮은 운영 비용은 연구자와 범죄 집단 모두에게 장시간 공격을 더 현실적으로 만들 수 있다.
이 결과는 보도된 것이지만, 이용 가능한 자료에서 독립적으로 검증되지는 않았다. The Decoder의 설명에 따르면 Vals AI의 CyberOffense 벤치마크에서 나온 결과이며, 특정 테스트 설계에서의 모델 역량에 대한 신호로 읽어야 한다. 어느 시스템이든 실제 기업을 안정적으로 침해할 수 있다는 증거로 보아서는 안 된다.
Vals AI 벤치마크가 테스트한 것
벤치마크는 각 AI 에이전트를 격리된 공격 머신에 배치하고 공개 웹 주소 하나만 제공한다. 에이전트는 시뮬레이션된 기업 네트워크를 이동하는 동안 인간의 도움을 받지 않는다. 이 구성은 모델이 취약점을 발견하고, 자격 증명을 확보하며, 접근 권한을 상승시키고, 연결된 시스템 전반에서 목표를 추적할 수 있는지 시험하기 위한 것이다.
Lighthouse라는 더 어려운 시나리오에서 The Decoder는 GPT-6 Sol Daybreak이 시뮬레이션된 한 기업의 관리자 권한을 장악하고, 비밀번호를 추출한 뒤 이를 사용해 두 번째 기업에 접근했다고 보도했다. 3시간 이내에 31개 목표 중 27개를 완료했다. 같은 보도에 따르면 DeepSeek는 21개 목표를 완료했다.
이 수치는 실제 침해율을 직접 측정하지 않는다. 그러나 기존 챗봇 평가가 자주 놓치는 능력, 즉 여러 단계에 걸쳐 계획하고 초기 행동이 실패해도 계속 작동하는 능력을 보여준다.
실행 시간과 비용이 비교를 바꿨다
결과에서 가장 중요한 세부 사항 중 하나는 실행 시간의 역할이었다. 보도에 따르면 DeepSeek는 처음 2,500만 토큰 동안 성공적인 결과를 내지 못했고, 1억 토큰을 넘긴 뒤에야 대부분의 진전을 이뤘다. 따라서 계속 시도할 수 있도록 허용된 오픈 웨이트 시스템의 성능은 짧은 평가에서 과소평가될 수 있다.
이는 방어 담당자와 AI 제품팀에 실질적인 영향을 준다. 분당 효율이 낮은 모델이라도 몇 시간 또는 며칠 동안 저렴하게 작동할 수 있다면 공격자에게 매력적일 수 있다. Vals AI가 보고한 비용 비교, 즉 DeepSeek V4.1 Flash 실행 약 3달러와 GPT-6 Sol Daybreak 22달러는 이 시스템의 활용 방식을 결정하는 요소가 최고 성능뿐 아니라 가격이기도 하다는 점을 시사한다.
The Decoder는 영국 AI Security Institute의 7월 분석도 인용했다. 이 분석은 사이버 역량에서 오픈 프런티어 모델과 폐쇄형 프런티어 모델의 격차가 4~7개월로 줄었다고 추정했다. 2025년 대부분의 기간에는 6~10개월이었다. 이는 해당 매체가 보도한 연구소 분석이지, Vals 벤치마크의 새로운 결과가 아니다.
증거는 여전히 제한적이며 출처에 의존한다
이 기사에서 가장 강한 주장은 독립적으로 재현된 결과가 아니라 벤치마크 및 공급업체 보고에 근거한다. 이용 가능한 증거는 CyberOffense 결과의 출처로 Vals AI를 지목하지만, 전체 벤치마크 방법론, 모델 구성, 프롬프트 또는 재현 데이터는 제공하지 않는다. 시스템을 공정하게 비교하려면 이러한 세부 사항이 필수적이다.
결과는 도구 접근 권한, 토큰 예산, 네트워크 설계, 채점 규칙, 각 에이전트에 주어진 시간에 따라서도 달라질 수 있다. DeepSeek의 후반부 성과는 토큰과 시간 예산을 특히 중요하게 만든다. 표준화된 보고가 없으면 평가가 빠른 진전을 선호하는지 지속성을 선호하는지에 따라 모델이 더 약하거나 강하게 보일 수 있다.
The Decoder는 Anthropic 연구에서 무료로 이용할 수 있는 GLM-5-3이 Mythos라는 내부 모델과 거의 비슷한 수준으로 익스플로잇을 구축할 수 있는 것으로 나타났다고도 보도했다. 이 비교 역시 특정 연구에 한정된 주장으로, 오픈 시스템과 폐쇄형 시스템의 보편적 순위로 받아들여서는 안 된다.
개발자와 기업이 주목해야 하는 이유
보안팀에 대한 즉각적인 시사점은 방어가 빠른 공격뿐 아니라 인내심 있는 자동화 워크플로도 고려해야 한다는 것이다. 모니터링은 정찰, 자격 증명 접근, 권한 상승, 측면 이동이 비정상적인 순서로 이어지는지에 초점을 맞춰야 한다. 짧은 세션에서는 Vals AI가 강조한 행동을 놓칠 수 있으므로 현실적인 도구 접근 권한을 가진 장시간 실행 에이전트도 테스트에 포함해야 한다.
AI 개발자에게 이번 결과는 양면적인 엔지니어링 문제를 제기한다. 에이전트가 악용 가능한 경로를 식별할 수 있는 동일한 역량은 취약점 발견, 패치 검증, 방어적 분류를 지원할 수 있다. Vals AI는 공격형 모델이 기업이 취약점을 먼저 찾아 수정하는 데 도움을 줄 수 있다고 주장하는 것으로 알려졌다. 이를 안전한 제품으로 구현하려면 엄격한 권한 부여 경계, 격리 환경, 감사 로그, 방어 도구가 범용 침입 시스템으로 변하는 것을 막는 통제가 필요하다.
기업 구매 담당자는 폐쇄형 API가 자동으로 더 안전하다고 간주하지 않도록 주의해야 한다. 공급업체의 통제와 모니터링은 제한된 모델을 관리하기 쉽게 만들 수 있지만, 오픈 웨이트 시스템의 보고된 비용과 역량은 조직이 공급업체의 통제 밖에 있는 강력한 사이버 모델을 접할 수 있음을 의미한다. 조달 검토는 기업이 어떤 모델을 사용하는지뿐 아니라 직원, 계약업체, 공격자가 어떤 모델에 접근할 수 있는지도 다뤄야 한다.
다음에 주목할 것
다음으로 유용한 신호는 완전한 채점 규칙과 동일한 토큰 예산을 포함한 Vals AI CyberOffense 결과의 독립 재현이다. 연구자들은 단일 헤드라인 점수에 의존하기보다 다양한 네트워크 구조, 도구 권한, 시간 제한에서의 성능도 보고해야 한다.
방어 담당자는 장시간 지속되는 AI 지원 침입 캠페인, 장시간 실행 후 오픈 웨이트 모델에 대한 새로운 평가, 자동 에이전트가 시뮬레이션 네트워크에서 보호가 취약한 운영 환경으로 이동할 수 있다는 증거를 지켜봐야 한다. 제품 측면에서는 더 나은 권한 부여 통제, 명확한 감사 추적, 기업 시스템에 무제한으로 접근하지 않고도 가치를 입증할 수 있는 방어 에이전트가 의미 있는 진전이 될 것이다.
Creati.ai의 관점
핵심적인 변화는 오픈 모델이 폐쇄형 모델과 확실히 동등해졌다는 것이 아니다. 오픈 시스템이 더 저렴하고 지속적이며 출시 후 제한하기 어렵다면, 남은 격차가 더 이상 큰 위안이 되지 않을 수 있다는 점이다. 역량, 운영 비용, 통제는 사이버 위험에서 서로 다른 변수가 되고 있다.
AI 기업과 기업 팀의 합리적인 대응은 단일 벤치마크를 보고 공황에 빠지는 것이 아니라 측정을 개선하고 배포 경계를 강화하는 것이다. Vals의 결과는 중요한 경고이지만, 진정한 의미는 독립 테스트가 오픈 모델이 다양하고 현실적인 환경에서도 이러한 결과를 유지할 수 있는지 확인하느냐에 달려 있다.
