开放与闭源 AI 模型在网络能力上的差距持续缩小
2026-11-07
Vals AI 发现，AI 代理可以自行侵入逼真的企业网络。
Vals CyberOffense 基准模拟逼真的企业网络来测试这一点。
每个代理在一台隔离的攻击机上单独运行，除一个公开网址外一无所有，且没有人类帮助。
GPT-6 Sol 是 OpenAI 受限 Daybreak 网络项目的一部分，以完成 80.8% 的目标取得最佳结果。
Deepseek V4.1 Flash 1017 是一个可免费获取的开放权重模型，以 72.8% 紧随其后，每次运行成本仅约 3 美元，而不是约 22 美元。
Vals 研究人员表示，一旦模型权重公开，任何提供商都无法控制或限制其使用方式。
在更难的 Lighthouse 测试中，Daybreak 接管了第一家公司管理员控制权，窃取密码，并用这些密码侵入第二家公司。
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，且并非仅受安全护栏限制。
更长的运行时间也被证明至关重要。
Deepseek 在最初 2500 万个 token 中得分为零，并且大部分进展只在 1 亿个 token 之后才取得。
因此，短测试低估了开放模型的真实潜力。
Vals 指出，同样的发现为防御方创造了机会，因为利用漏洞的模型可以帮助公司先找到并修复它们。
根据 Vals 的说法，未来几个月对真实网络的攻击可能会增加。
这些结果与英国人工智能安全研究所（AISI）7 月的一项近期分析一致。
开放与闭源前沿模型在网络能力上的差距已缩小至四到七个月。
在 2025 年的大部分时间里，这一差距仍为六到十个月。
开放模型也便宜得多。
根据 AISI，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 为 85 美元。
开放模型上的安全措施被证明基本无效。
Anthropic 最近的一项研究还显示，可免费获取的模型 GLM-5-3 构建漏洞利用的能力几乎与内部顶级模型 Mythos 相当。
订阅 THE DECODER，享受无广告阅读、每周 AI 新闻简报、每年六次独家“AI Radar”前沿报告、完整档案访问和评论区访问。
Vals AI 基准显示，开放权重模型在自主入侵模拟企业网络中接近闭源前沿，成本低一个数量级；英国 AISI 称差距缩至 4 至 7 个月，防御方也可用同类模型先找漏洞。
- Vals AI 基准显示，开放权重模型在自主入侵模拟企业网络中接近闭源前沿，成本低一个数量级；英国 AISI 称差距缩至 4 至 7 个月，防御方也可用同类模型先找漏洞。
- 原贴提到：AI agents can break into realistic corporate networks on their own, Vals
- 来源：the-decoder.com
这是什么信号：这不是单纯的模型榜单变化，而是网络攻防能力正在商品化。Vals CyberOffense 基准中，开放权重的 Deepseek V4.1 Flash 1017 完成 72.8% 的目标，闭源受限项目中的 GPT-6 Sol 为 80.8%；前者每次运行约 3 美元，后者约 22 美元。更难的多阶段 Lighthouse 测试里，Daybreak 在不到三小时内完成 31 个目标中的 27 个，Deepseek 以十分之一成本完成 21 个。AISI 7 月分析给出的能力差距是 4 至 7 个月，而 2025 年大部分时间还是 6 至 10 个月。信号的核心是：开放权重模型把接近前沿的自主攻击能力，以更低成本推到了更广的获取面。
为什么重要：网络攻击的门槛不再只由模型是否闭源决定。开放权重一旦发布，提供商无法控制或限制使用方式，安全护栏也已被证明基本无效；这意味着攻击者可以用更低预算、更长运行时间反复试错。Vals 还指出，Deepseek 在最初 2500 万 token 中得分为零，大部分进展在 1 亿 token 后才出现，说明短测试会系统性低估开放模型潜力。对防御方而言，同一能力也可反向用于授权红队、漏洞发现和修补优先级排序，但前提是企业把模型能力纳入安全流程，而不是只依赖模型厂商的安全措施。
对谁有价值：最直接的是 CISO、安全运营与红队团队：他们需要判断开放权重模型能否在隔离环境中承担自动化渗透测试和攻击面验证。AI 平台与模型提供方需要重新评估开放权重发布后的滥用风险与治理边界。云与托管安全服务商可以把低成本模型运行纳入服务包。采购与合规团队则需要把成本-能力曲线、长运行时间和安全护栏有效性纳入评估，而不是只看闭源前沿模型。
可以怎么行动：第一，在明确授权和隔离环境中，用开放权重模型做长运行时间的 AI 红队测试，按高 token 预算评估，不要只用短提示测试。第二，把公开基准转化为企业内部场景任务，记录完成率、成本和人工干预点。第三，建立模型成本-能力对照表，至少覆盖文中出现的 3 美元对 22 美元、1.19 美元对 85 美元这类量级差异。第四，对本地部署的开放权重模型做访问控制、日志审计和输出隔离，避免红队工具本身成为新的暴露面。第五，强化最小权限、网络分段、密码卫生和漏洞修补闭环，把模型发现的问题尽快转为修复动作。第六，针对未来数月攻击可能增加判断，准备事件响应与演练。
风险或限制：基准模拟不等于真实企业网络，结果会受模型版本、提示、运行时间和评测设计影响；开放权重模型的滥用门槛确实更低，且提供商无法回收或限制；防御方使用同类模型必须解决授权、数据隔离和误用风险；长运行时间能提高结果，但也带来更高算力与监控成本；不能把模型安全护栏当作唯一防线，也不能因短测试低分而低估开放模型的长期潜力。
这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。
如果把《开放与闭源 AI 模型在网络能力上的差距持续缩小》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。