開放式 AI 模型縮小與受限系統之間的網路能力差距

根據 The Decoder 報導的 Vals AI 基準測試，開放權重 AI 模型在自主網路作戰方面正接近受限系統。OpenAI 的 GPT-6 Sol Daybreak 完成了 80.8% 的模擬攻擊目標，而可免費取得的 DeepSeek V4.1 Flash 達到 72.8%；據報每次執行成本約為 3 美元，相較之下 OpenAI 系統約為 22 美元。

這項結果之所以重要，是因為專有模型與公開發布模型之間的安全差異，作為網路風險預測指標正變得越來越不實用。模型權重一旦公開，開發者便無法收回或集中限制；同時，較低的運行成本可能讓研究人員與犯罪團體更容易進行長時間攻擊。

這些發現已被報導，但在現有資料中尚未經過獨立驗證。它們來自 Vals AI 的 CyberOffense 基準測試，The Decoder 對此有所描述；應將其視為特定測試設計下模型能力的訊號，而不是任何一個系統都能可靠入侵現實企業的證據。

Vals AI 基準測試了什麼

該基準測試將每個 AI 代理放在隔離的攻擊機器上，只提供一個公開網路位址。代理在嘗試穿越模擬企業網路時，不會獲得人類協助。這種設定旨在測試模型是否能發現漏洞、取得憑證、提升存取權限，並在互聯系統間追求目標。

在名為 Lighthouse 的更困難情境中，The Decoder 報導稱，GPT-6 Sol Daybreak 取得了一家模擬企業的管理權限，擷取密碼後利用這些密碼存取第二家企業。它在不到三小時內完成 31 個目標中的 27 個。同一報導指出，DeepSeek 完成了 21 個目標。

這些數字並不能直接衡量現實世界的入侵率。不過，它們突顯了傳統聊天機器人評估經常忽略的一項能力：跨越多個步驟進行規劃，並在早期行動失敗時持續運作。

執行時間與成本改變了比較方式

結果中最重要的細節之一，是執行時間所扮演的角色。據報導，DeepSeek 在最初 2,500 萬個 token 中沒有產生任何成功結果，直到超過 1 億個 token 後才取得大部分進展。因此，若允許開放權重系統持續嘗試，短時間評估可能會低估其效能。

這對防禦者與 AI 產品團隊具有實際影響。每分鐘效率較低的模型，如果能以低成本運作數小時或數天，仍可能對攻擊者具有吸引力。Vals AI 報告的成本比較——DeepSeek V4.1 Flash 每次執行約 3 美元，GPT-6 Sol Daybreak 為 22 美元——顯示決定這些系統如何部署的，不只是最高能力，還包括價格。

The Decoder 也引用了英國 AI Security Institute 於 7 月發布的分析。該分析估計，開放與封閉前沿模型在網路能力方面的差距已縮短至 4 至 7 個月；2025 年大部分時間則是 6 至 10 個月。這是該媒體報導的研究所分析，不是 Vals 基準測試的新結果。

證據仍有限，且取決於來源

本文最強的主張來自基準測試與供應商報告，而非獨立重現的研究結果。現有證據指出 Vals AI 是 CyberOffense 結果的來源，但沒有提供完整的基準測試方法、模型設定、提示詞或重現資料。要公平比較系統，這些細節不可或缺。

結果也可能取決於工具存取權、token 預算、網路設計、評分規則，以及每個代理可獲得的時間。DeepSeek 後期才取得進展，使 token 與時間預算格外重要。若沒有標準化報告，模型的強弱可能取決於評估偏重快速進展還是持續性。

The Decoder 進一步報導，Anthropic 的一項研究發現，可免費取得的 GLM-5-3 能夠以接近名為 Mythos 的內部模型的水準建立漏洞利用程式。這項比較同樣是特定研究中的主張，不應被視為開放與封閉系統的普遍排名。

為什麼開發者與企業應該關注

對安全團隊而言，直接的影響是防禦措施需要考慮有耐性的自動化工作流程，而不只是快速攻擊。監控應聚焦於偵察、憑證存取、權限提升與橫向移動等不尋常的連續行為。測試也應納入具備真實工具存取權、長時間運行的代理，因為短時間工作階段可能會錯過 Vals AI 所突顯的行為。

對 AI 開發者而言，這些結果帶來一個具有兩面性的工程問題。代理辨識可被利用路徑的能力，同樣可以支援漏洞發現、修補程式驗證與防禦性分流。據報 Vals AI 認為，攻擊型模型能幫助企業優先發現並修補弱點。要將這種可能性轉化為安全產品，需要嚴格的授權邊界、隔離環境、稽核記錄，以及防止防禦工具變成通用入侵系統的控制措施。

企業買家應謹慎看待將封閉 API 自動視為更安全的做法。供應商控制與監控能讓受限模型更容易治理，但開放權重系統所報告的成本與能力意味著，組織可能會遇到不受供應商控制的強大網路模型。採購審查不僅要涵蓋企業使用哪個模型，也要涵蓋員工、承包商與攻擊者能存取哪些模型。

接下來要關注什麼

下一個有用的訊號將是對 Vals AI CyberOffense 結果的獨立重現，包括完整評分規則與統一的 token 預算。研究人員也應報告模型在不同網路配置、工具權限與時間限制下的效能，而不應只依賴單一的醒目分數。

防禦者應關注更長時間運行的 AI 輔助入侵活動、開放權重模型在延長執行後的新評估，以及自動化代理能從模擬網路進入保護不佳的生產環境之證據。在產品方面，有意義的進展將包括更完善的授權控制、更清晰的稽核軌跡，以及能在不受限存取企業系統的情況下展現價值的防禦代理。

Creati.ai 的觀點

核心發展並不是開放模型已確定追平封閉模型，而是當開放系統更便宜、更具持續性，且發布後難以限制時，剩餘的差距可能不再帶來多少安慰。能力、運行成本與控制權正成為網路風險中彼此獨立的變數。

對 AI 公司與企業團隊而言，合理的回應是改善衡量方式並強化部署邊界，而不是因單一基準測試而恐慌。Vals 的結果是一項重要警告，但其真正意義將取決於獨立測試是否確認開放模型能在多樣且符合現實的環境中持續取得這些結果。