Vals AI 基准测试显示开源与闭源 AI 模型网络攻击能力差距持续缩小

Vals AI 用 CyberOffense 基准在模拟企业网络中测试 AI 代理自主攻击能力：OpenAI 受限 Daybreak 计划的 GPT-6 Sol 以 80.8% 目标完成率居首，开源权重模型 Deepseek V4.1 Flash 达 72.8%，成本约每轮 3 美元对约 22 美元。