一句话看懂：Vals AI 用模拟企业网络测评 AI 智能体自主攻击能力，OpenAI GPT-6 Sol Daybreak 以 80.8% 得分领先，开源模型 Deepseek V4.1 Flash 以 72.8% 紧随其后，单次运行成本约 3 美元，远低于闭源的约 22 美元。
事件核心：发生了什么
2026 年 11 月，Vals AI 发布 CyberOffense 基准测试结果。测试模拟真实企业网络，AI 智能体在隔离的 Kali Linux 攻击机上独立运行，仅凭一个公开网址、零人工干预，从 Web 应用逐步渗透到 Windows 服务器并获取管理员权限，全程外部记录并自动评分。
在较简单的 Nova 测试中，OpenAI 受限网络安全项目 Daybreak 下的 GPT-6 Sol 平均完成 15.7/21 个目标；Deepseek V4.1 Flash 1017 平均 16.3/21，略高。在更难的 Lighthouse 场景中，GPT-6 Sol Daybreak 在不到三小时内完成 31 个目标中的 27 个，并跨两家公司窃取密码；Deepseek V4.1 Flash 完成 21 个，成本约为前者的十分之一。素材还显示，多数模型在消耗超过 1 亿 token 前进展有限，短测试会低估开源模型的真实潜力。
为什么重要
这一结果与英国 AI 安全研究所（AISI）2026 年 7 月的分析方向一致：开源与闭源前沿模型在网络能力上的差距已缩小到 4 至 7 个月，而 2025 年大部分时间这一差距为 6 至 10 个月。成本差距更明显：AISI 数据显示，Deepseek V4-Pro 单次网络靶场运行约 1.19 美元，Anthropic Opus 4.5 约 85 美元。
开源权重一旦公开，提供方无法控制其用途。这意味着网络攻击能力的门槛正在降低，防御方需要更早借助同类模型发现和修复漏洞。目前公开信息显示，这些结论均来自特定基准和测试条件，不能视为永久排名或已发生的真实攻击事件。
对用户/开发者/创作者的影响
对安全团队而言，低成本开源模型可用于内部红队测试和漏洞排查，但需建立严格的授权与隔离机制。对 API 开发者，模型选择不再只看能力上限，还要权衡单次推理成本和长任务 token 消耗。对企业采购，闭源模型的安全限制和审计能力仍是重要考量；对开源模型，则需自行承担滥用风险和合规责任。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Vals 的测评方法是否被更多机构采用，长任务、高 token 消耗场景下的结果是否稳定；二是开源模型在真实攻防环境中的可用性，以及安全护栏是否会被绕过；三是监管层面是否会对公开权重模型提出新的使用限制或披露要求。
