← 全部模型资讯

Vals AI 网络攻防基准:DeepSeek V4.1 Flash 1017 以约七分之一成本逼近闭源前沿

据 The Decoder 2026 年 11 月 7 日报道,Vals AI 的 CyberOffense 基准显示,开放权重的 DeepSeek V4.1 Flash 1017 自主入侵模拟企业网络完成 72.8% 目标、单次约 3 美元,闭源 GPT-6 Sol Daybreak 为 80.8%、约 22 美元;DeepSeek 在前 2500 万 token 内得分为零,短测试会低估开放模型。

发布 更新
原报道封面 — Vals AI 网络攻防基准:DeepSeek V4.1 Flash 1017 以约七分之一成本逼近闭源前沿
原报道封面原始报道 ↗

发生了什么

据 The Decoder 记者 Matthias Bastian 2026 年 11 月 7 日的报道,Vals AI 用 CyberOffense 基准测试智能体能否自行攻入仿真企业网络:每个智能体单独跑在一台隔离的 Kali Linux 攻击机上,起点只有一个公开网址、全程无人工协助,要沿 Web 应用渗透到 Windows 服务器并拿到管理员权限,操作由外部记录并自动评分。报道给出的结果是,属于 OpenAI 受限 Daybreak 网络项目的 GPT-6 Sol 完成 80.8% 的目标,开放权重的 DeepSeek V4.1 Flash 1017 为 72.8%,单次运行成本约 3 美元,前者约 22 美元;Vals 研究人员称权重一旦公开,任何提供商都无法控制或限制其用途。在更难的 Lighthouse 场景中,Daybreak 不到三小时完成 31 个目标中的 27 个,DeepSeek 以约十分之一的成本完成 21 个,且并非仅被安全护栏限制。报道特别强调运行长度:DeepSeek 前 2500 万 token 得分为零,绝大部分进展出现在超过 1 亿 token 之后。文章还引用英国 AISI 7 月的分析称开放与闭源前沿模型的网络能力差距已缩至 4 至 7 个月,以及 Anthropic 关于 GLM-5.3 构建漏洞利用能力接近其内部模型的研究。

对开发者的影响

对开发者来说,这项基准的价值不在于谁排第一,而在于把平时含糊处理的三个参数摊开:token 预算、每个成功目标的成本、护栏由谁负责。如果任务本身是长程的,需要跨系统保持状态、失败后重试,那么用几万 token 的短回合去评测开放权重模型,很可能拿到接近零的分数,并把这个结果错当成能力差距;报道里 DeepSeek 前 2500 万 token 得分为零、超过 1 亿 token 才出现大部分进展,说明预算本身就是自变量。成本上,约 3 美元和约 22 美元是单次运行的量级,但真正要算的是每个成功目标的成本:当完成率差几个百分点,靠重试补齐的开销可能吃掉单价优势(这是按报道数字做的分析推断,不是报道结论)。安全侧,报道称开放权重公开后没有提供方可以限制用途,DeepSeek 的得分也不是仅被护栏压低,这意味着把这类模型接进具备真实网络访问权的智能体时,沙箱、出网白名单和动作审计只能由接入方自己承担,不能指望模型侧拒答。反过来,同一批能力也能用于自查:Vals 指出能利用漏洞的模型同样可以先帮企业找到并修复漏洞,并称未来几个月对真实网络的攻击可能增加。此外,报道没有交代权重的许可证,开放权重不等于开源许可,权属与商用条款需要单独核对。

接入与评估建议

以下是条件性建议,不是报道所陈述的事实。 第一,先决定评测预算,而不是先选模型。报道带来的变化是:短运行会系统性低估开放权重模型。如果你的任务确实是长程多步的,就把单次评测的 token 预算提到报道提到的量级附近,记录目标完成率随 token 消耗增长的曲线,而不是只看终点分数;判据是模型是否在接近 1 亿 token 之前几乎不动、之后才明显上升。如果任务只是单轮问答或两三步工具调用,这条不适用,看小预算下的表现即可。 第二,按每个成功目标的成本做取舍,而不是按单次运行价格。报道带来的变化是:72.8% 对 80.8%,单次成本约 3 美元对约 22 美元。做法是固定同一套任务和重试次数,用总花费除以成功次数。前提是你的场景允许重试或并行尝试;如果一次失败不可逆,例如已经改动了生产环境,就该按完成率而不是单价来选。可测量的判据是:在 20 次以上重复中,两个模型的每个成功目标成本是否仍相差一个数量级。按 token 计的价格会变,具体数字以所用平台的定价页为准。 第三,把护栏放在自己的基础设施里。报道带来的变化是:权重公开后没有提供方可以控制用途,DeepSeek 也并非仅受安全护栏限制。如果这个智能体有真实网络或凭据权限,就需要网络出口白名单、独立沙箱和逐步动作留痕,并对提权操作加人工确认;若只是离线只读任务,紧急程度可以放低。判据是:用一套内部红队任务在加与不加这些控制的情况下各跑一遍,看目标完成数下降多少,控制措施要对这个差值负责。

限制与待确认事项

需要保留的限定:上述分数与成本出自 Vals AI 的基准和 The Decoder 的这篇报道,不是本文的实测,也没有得到模型提供方的确认;报道只说权重可自由获取,未说明许可证,因此不能由开放权重推断使用权范围。同一篇文章的图注称 DeepSeek 在 Lighthouse 场景反超其他模型,但其表格列出 DeepSeek 21、GPT-6 Sol Daybreak 27、Meta Wonder 28,图注与表格对不上,逐模型排名应以 Vals AI 原始基准页为准。Nova 一列是 3 次运行的平均值,Daybreak 的范围是 12 到 19,小分差落在运行波动内。约 3 美元与约 22 美元,以及 AISI 在 7 月给出的 1.19 美元与 85 美元,来自不同时间、不同测试装置,彼此不可直接比较,也不代表任何平台当前的 token 价格。AISI 与 Anthropic 的内容在这篇文章里属于二手引用。报道没有说明 DeepSeek V4.1 Flash 1017 是通过哪家 API 或托管服务运行的,所以单次成本无法对应到某家价目表;该版本名在 KimiSeek 现行目录中有对应条目,但本文引用的所有数字都来自 Vals AI 与 The Decoder,不是 KimiSeek 的测量结果,接入前请以所用平台的定价页为准。

原报道配图

原报道配图 1 — Vals AI 网络攻防基准:DeepSeek V4.1 Flash 1017 以约七分之一成本逼近闭源前沿
原报道配图 1原始报道 ↗
原报道配图 2 — Vals AI 网络攻防基准:DeepSeek V4.1 Flash 1017 以约七分之一成本逼近闭源前沿
原报道配图 2原始报道 ↗
原报道配图 3 — Vals AI 网络攻防基准:DeepSeek V4.1 Flash 1017 以约七分之一成本逼近闭源前沿
原报道配图 3原始报道 ↗
原报道配图 4 — Vals AI 网络攻防基准:DeepSeek V4.1 Flash 1017 以约七分之一成本逼近闭源前沿
原报道配图 4原始报道 ↗

三分钟跑通第一次调用

注册后创建 API Key。调用费用从账户余额扣除。新用户首充 7 折。充 ¥500,实付 ¥350,到账 ¥500。充 ¥1000,实付 ¥850,到账 ¥1000 最低充值仍为 ¥10,适合试用。

来源与编写说明

开放与闭源 AI 模型在网络能力上的差距持续缩小

本文基于所列来源,由 AI 辅助整理、分析和翻译,并经过自动质量检查。分析与建议不代表实测结果;模型可用性与价格请以当前目录为准。