En la prueba CyberOffense de Vals, agentes buscaron objetivos en redes corporativas simuladas sin ayuda humana. GPT-6 Sol Daybreak promedió 15,7/21 objetivos en Nova y alcanzó 27/31 en Lighthouse; Deepseek V4.1 Flash 1017 obtuvo 16,3/21 y 21/31. Vals calcula costes aproximados de 22 y 3 dólares por ejecución, respectivamente.
Deepseek no avanzó en sus primeros 25 millones de tokens y logró la mayor parte de su progreso después de superar los 100 millones. Son resultados de simulación. Por separado, el Instituto de Seguridad de IA del Reino Unido estima en cuatro a siete meses la brecha de capacidad cibernética entre modelos abiertos y cerrados punteros.
Por qué importa
Los modelos abiertos más baratos podrían facilitar las pruebas defensivas, aunque esas mismas capacidades también elevan el riesgo de uso indebido.
Una idea para probar
Como ejercicio hipotético de mesa, compare pruebas de ataque y detección defensiva de vulnerabilidades en una simulación autorizada.
Inicia la conversación.