研究显示开源AI模型网络攻击能力逼近闭源前沿模型：有哪些关键信息？

Vals公司用模拟企业网络测试多款AI模型的网络攻击能力。

OpenAI闭源模型Daybreak平均完成81%任务，DeepSeek完成73%。

部分任务上DeepSeek与Daybreak得分相同。

DeepSeek执行攻击的token成本为2至3美元，GPT-6-Sol为17至46美元。

Vals称闭源模型在网络技能上已不再具有绝对优势。

物界前沿 · 资讯情报卡（Wired · 2026/11/7）

研究显示开源AI模型网络攻击能力逼近闭源前沿模型

核心事实

关键数据

81%Daybreak任务完成率

73%DeepSeek任务完成率

2-3美元DeepSeek攻击token成本

17-46美元GPT-6-Sol攻击token成本

物界观察

开源模型追平闭源网络攻击能力，意味着靠限制模型访问来拖延风险扩散的策略基本失效。更值得警惕的是成本差：攻击者用开源模型花几美元就能复现闭源能力。防御方应尽快把开源模型用于漏洞排查，而非继续押注访问门槛。