Vals AI 基准测试显示，开放模型正在缩小网络安全能力差距

发生了什么

Vals AI 的 CyberOffense 基准测试发现，在 Nova 测试中，Deepseek V4.1 Flash 1017 的表现接近 GPT-6 Sol Daybreak；在难度更高的 Lighthouse 场景中，它完成了 31 项目标中的 21 项，而 Daybreak 完成了 27 项。报告称，Deepseek 每次 Nova 测试的成本约为 3 美元，而 Daybreak 约为 22 美元；Deepseek 在 Lighthouse 中的进展大多是在消耗 1 亿个 token 后取得的。这些结果与英国人工智能安全研究所的一项分析相符，该分析认为开放模型与封闭模型之间的差距为四到七个月。

接下来读什么

• 今日还有哪些重要变化METR 称 Anthropic 可能于 7 月突破其 AI 加速警戒阈值

这件事到目前为止

Vals AI reported that Deepseek V4.1 Flash 1017 nearly matched GPT-6 Sol Daybreak on the Nova cyber benchmark and completed 21 of 31 objectives in the harder Lighthouse scenario, while Daybreak completed 27. CyberOffense simulates attacks on corporate networks to compare AI agents’ capabilities. The Decoder reported that a Nova run cost about $3 with Deepseek versus roughly $22 with Daybreak. Deepseek’s Lighthouse progress came mostly after 100 million tokens. The results are consistent with an AI Security Institute analysis that estimated a four-to-seven-month gap between open and closed models.