免费模型快追上顶级黑客模型了：DeepSeek 73% 对 Daybreak 81%

WIRED 11 月 6 日报道评估公司 Vals 的研究：在两个模拟企业网络场景里，OpenAI 只向可信合作伙伴开放的网络安全模型 Daybreak 平均完成 81% 的入侵任务；可免费下载的开源权重模型 DeepSeek（DeepSeek V4.1 Flash 1017）完成 73%，部分任务上两者打平。

先钉口径：这是模拟网络上的受控测试，不是真实入侵；Vals 是目前唯一信源，完整报告尚未公开——以下全部数字带这个定语读。

WIRED 转述报道页面截图

两个场景的成绩

Nova（经公开网站打进模拟企业网）：DeepSeek 完成 16.3/21 个目标，Daybreak 15.7（三次平均）——这一场 DeepSeek 还略高；
Lighthouse（攻破一家公司网络再进第二家）：Daybreak 27/31，DeepSeek 21；
综合两场平均：81% 对 73%。

成本差距更大

方法细节报道页面截图

一次攻击的 token 成本：GPT-6-Sol 为 17–46 美元，DeepSeek 为 2–3 美元——注意这项成本的归属口径在各家转述里有出入（Daybreak 还是 GPT-6-Sol），标明分歧。Vals 另设的 CyberBench 榜单：DeepSeek V4.1 Flash 73.7%，单次测试约 0.11 美元。另一项评估称 Z.ai 的 GLM-5.3 是受测开源模型里网络安全最强的一款，但综合仍落后美国前沿。

判断：窗口期正在缩短

Vals 研究员 Nikil Ravi 的判断：被锁在实验室里、只向可信方开放的最强前沿模型，正在被任何人都能下载的开源模型追上。Vals CEO Rayan Krishnan 补了另一半：低成本让防守方也有动力用开源模型。这组数据对 Anthropic 前沿红队负责人 Logan Graham 4 月那句"把工具先交到防守者手里"（Project Glasswing 的目标）是个直接的压力测试——进攻能力的民主化跑得比防守工具的分发快时，窗口期就在缩短。

两句校准

① 综合成绩仍是 Daybreak 领先，别写成"DeepSeek 已经更强"；部分任务打平与整体 8 个百分点的差距同时成立。② 本文讲的是"能力差距在缩小"这个评估结论与成本账，不含任何攻击手法；与上月 GPT-6 Cyber 篇（OpenAI 发布自家安全模型）是两回事——那是厂商发布，这是第三方评估。