Vals-Test: KI-Agenten dringen in realistische Unternehmensnetze ein, GPT-6 Sol führt mit 80,8 %
Im Benchmark Vals CyberOffense drangen KI-Agenten selbstständig in realistische Unternehmensnetzwerke ein: GPT-6 Sol erfüllte 80,8 % der Ziele, DeepSeek V4.1 Flash 72,8 %.
Laut Vals sind KI-Agenten in seinem Benchmark CyberOffense autonom in realistische Unternehmensnetzwerke eingedrungen. GPT-6 Sol erreichte 80,8 % der Ziele, das Open-Weight-Modell DeepSeek V4.1 Flash kam auf 72,8 %. Den Spitzenreiter können externe Entwickler weder herunterladen noch frei aufrufen: GPT-6 Sol ist nur über das eingeschränkte Daybreak-Programm von OpenAI zugänglich. Besondere Aufmerksamkeit verdient der Abstand von 8 Punkten zwischen einem geschlossenen und einem Open-Weight-Modell.
Im Lighthouse-Szenario erfüllte Daybreak 27 von 31 Zielen in weniger als drei Stunden, DeepSeek schaffte 21 Ziele bei etwa einem Zehntel der Kosten. Vals beziffert einen DeepSeek-Durchlauf mit unter 3 US-Dollar, den Daybreak-Durchlauf mit rund 22 US-Dollar.
Außerdem stellte Vals fest, dass DeepSeek den Großteil seiner Fortschritte erst nach 100 Mio. Token erzielte. Kurze Tests unterschätzen offene Modelle daher: Wer früh abbricht, erfasst nur einen Teil dessen, was das offene Modell leisten kann.
Warum es wichtig ist
Die Fähigkeit zum autonomen Eindringen wird inzwischen sowohl bei eingeschränkt zugänglichen als auch bei Open-Weight-Modellen gemessen. Sicherheitsteams sollten davon ausgehen, dass auch günstige offene Modelle ähnliche Angriffe versuchen können.
Was Sie tun können
Unterziehen Sie interne Netzwerke einem Red-Teaming mit agentenbasierten Tests und prüfen Sie, welche KI-Tools Netzwerkzugriff haben, den ein Agent missbrauchen könnte.
Originalquelle
Für diese Meldung haben wir noch keinen Link zur Originalquelle.
Wo wir es gesehen haben
Latent Space
KI hat diese Zusammenfassung aus den genannten Quellen geschrieben und ins Deutsche übersetzt. Niemand hat sie vor der Veröffentlichung einzeln geprüft. Bitte prüfen Sie die Originalquelle, bevor Sie sich darauf verlassen. So funktioniert es