Vals CyberOffense testinde ajanlar, insan yardımı olmadan simüle edilmiş kurumsal ağlarda hedeflere ulaştı. GPT-6 Sol Daybreak, Nova’da ortalama 15,7/21 ve Lighthouse’da 27/31 hedefe ulaştı; Deepseek V4.1 Flash 1017 sırasıyla 16,3/21 ve 21/31 elde etti. Vals, çalıştırma başına maliyetleri yaklaşık 22 dolar ve 3 dolar olarak bildiriyor.
Deepseek ilk 25 milyon token’da sonuç alamadı ve ilerlemesinin çoğunu 100 milyon token’ı aştıktan sonra kaydetti. Vals’ın bulguları simülasyon sonuçlarıdır; ayrıca Birleşik Krallık AISI, açık ve kapalı öncü modeller arasındaki siber yetenek farkını dört ila yedi ay olarak tahmin ediyor.
Neden önemli?
Daha ucuz açık modeller, savunma testlerini erişilebilir kılabilir; ancak aynı yetenekler kötüye kullanım riskini de artırıyor.
Bir deneme fikri
Varsayımsal bir masa başı çalışmasında, izinli bir simülasyonda saldırı testiyle savunma amaçlı açık bulmayı karşılaştırın.
Sohbeti sen başlat.