كاد النموذج الصيني ذو الوزن المفتوح الذي يمكن لأي شخص تنزيله أن يضاهي النموذج السيبراني الأكثر قدرة من OpenAI في اقتحام شبكات الشركات المحاكاة، وفقًا للنتائج المعيارية الجديدة الصادرة عن شركة التقييم Vals التي نشرتها WIRED.
في اختبار Vals CyberOffense، أكمل GPT-6 Sol من OpenAI - والذي تقدمه الشركة فقط من خلال برنامج Daybreak السيبراني ذي الوصول المقيد - حوالي 81 بالمائة من الأهداف. أكمل DeepSeek V4.1 Flash، وهو إصدار مجاني للأوزان المفتوحة، ما يقرب من 73 بالمائة من نفس الأهداف، ويعمل كعامل مستقل تمامًا. وقدر متتبعون آخرون الرقم الرئيسي لـ DeepSeek بنسبة 72.8 بالمائة.
وكتب فالس في نتائجه: "القدرة السيبرانية التي كانت مقتصرة على الوصول الموثوق للذكاء الاصطناعي أصبحت الآن متاحة لأي شخص". وقال نيكيل رافي، الباحث في مجال فالس، لمجلة WIRED إن أفضل النماذج المحبوسة داخل مختبرات الذكاء الاصطناعي "بدأت تقابلها نماذج مفتوحة يمكن لأي شخص تنزيلها".
كيف أجرى فالس الاختبار
يستخدم معيار Vals CyberOffense نطاقين إلكترونيين محاكاتين. الأولى، تسمى Nova، وهي عبارة عن شبكة Windows مكونة من 21 هدفًا وتغطي عدة مجالات Active Directory. والثاني، Lighthouse، يحتوي على 31 هدفًا عبر شركتين، حيث يجب على الوكيل أولاً السيطرة على شبكة واحدة ثم استخدام بيانات الاعتماد والمعلومات الموجودة هناك لاقتحام الشبكة الثانية - وهو سيناريو يعكس عمليات التطفل متعددة المراحل في العالم الحقيقي.
تم تشغيل كل نموذج في وكيل Pi مفتوح المصدر على جهاز Kali Linux معزول، بحد زمني 48 ساعة وميزانية قدرها 500 مليون رمز. والأهم من ذلك، أن فالس لم ينسب الفضل إلى الهدف إلا عندما ظهرت علامات مخفية في مخرجات الأمر - ولم يقم النموذج أبدًا بادعاء نجاحه.
الأرقام وفجوة التكلفة
بلغ متوسط أهداف DeepSeek 16.3 من أصل 21 هدفًا لـ Nova، متفوقًا في الواقع على Daybreak البالغ 15.7 على الشبكة الأولى. تقدمت Daybreak للأمام في نطاق Lighthouse الأصعب، حيث أكملت 27 هدفًا من أصل 31 هدفًا مقابل 21 هدفًا لـ DeepSeek.
وكان الفرق الأكثر وضوحا هو التكلفة. حددت WIRED سعر الهجوم الكامل بحوالي 2 إلى 3 دولارات أمريكية لـ DeepSeek، مقابل 17 دولارًا إلى 46 دولارًا أمريكيًا لـ GPT-6 Sol. في مجموعة Nova على وجه التحديد، أكملت DeepSeek عملها بأقل من 3 دولارات لكل تشغيل مقابل حوالي 22 دولارًا لـ Daybreak.
لاحظ فالس أيضًا أن DeepSeek لم يكمل شيئًا على الإطلاق في أول 25 مليون رمز مميز، وحقق معظم تقدمه بعد 100 مليون - وهو ملف تعريف للسرعة يشير إلى أن التقييمات القصيرة ذات الحد الأقصى للحوسبة تقلل بشكل منهجي مما يمكن أن تفعله النماذج المفتوحة الرخيصة في ظل الوقت والميزانية.
كيف كان أداء النماذج الأخرى
لم يتصدر DeepSeek مجال الأوزان المفتوحة دون منازع، لكن لم يتمكن أحد من اللحاق به. انتهى كل من Kimi K3.1 Pro وMeta's Wonder وxAI's Grok 4.7 خلف DeepSeek في مقارنة النماذج السبعة لـ Vals.
جاء Z.ai's GLM 5.3 Flash في المركز الأخير، حيث أكمل خمسة أهداف في كل نطاق. وصفها فالس بأنها "أوضح طريق مسدود" للمجموعة: في أحد النطاقات، قضى النموذج حوالي 36 ساعة - معظمها في استطلاع رأي لوظيفة في الخلفية لم تعد أبدًا.
قام مقيمون آخرون بتقييم نموذج GLM-5.3 الكامل بدرجة أعلى بكثير في المهام السيبرانية. وجدت شركة الاختبار Irregular أنها أكملت 3 من 13 سيناريوهات للهجوم متعدد المراحل - وهي أفضل نتيجة سجلتها من نموذج متاح بشكل مفتوح - ووصفه NIST بأنه النموذج السيبراني ذو الوزن المفتوح الأكثر قدرة الذي تم إصداره حتى الآن، ويقدر أنه يتخلف حوالي أربعة أشهر عن الأنظمة الأمريكية الرائدة. وقالت أنثروبيك بشكل منفصل لرويترز إن GLM-5.3 قام ببناء برمجيات استغلالية في 12% من المحاولات، مقابل 14% لـ Claude Mythos. يشير فالس إلى أن هذه اختبارات مختلفة ولا يمكن مقارنة نتائجها مباشرةً بنتائج CyberOffense.
لماذا يهم
وتؤدي النتائج إلى زيادة حدة الجدل الدائر حول حواجز السلامة المحيطة بقدرات الذكاء الاصطناعي السيبرانية الحدودية. يوجد برنامج Daybreak الخاص بشركة OpenAI خصيصًا للحفاظ على النماذج السيبرانية ذات القدرة العالية خلف عمليات التحقق من الهوية والوصول المقيد، على أساس نظرية مفادها أن القدرة السيبرانية الهجومية لا ينبغي توزيعها بحرية. إن التنزيل المجاني الذي يتتبع نموذجًا مقيدًا ببضع نقاط فقط - مع تكلفة أقل بكثير لكل عملية - يؤدي إلى تعقيد هذه الصورة إلى حد كبير.
كما أنه مهم للمدافعين. لم يعد بإمكان الفرق الأمنية التي تخطط ضد المهاجمين بمساعدة الذكاء الاصطناعي أن تفترض أن القدرة الهجومية المستقلة الخطيرة تتطلب الوصول إلى نماذج المختبر المقيدة أو ميزانية كبيرة. وكما يوحي إطار فالس الخاص، فإن أرضية القدرة ترتفع بشكل أسرع مما يمكن أن تحتويه عناصر التحكم في الوصول.
ولم يعلق OpenAI على المقارنة في التقارير. ولم يستجب DeepSeek على الفور لطلبات التعليق.
تحدي منهجية الاختبار
وبعيدًا عن النتائج الرئيسية، تحمل النتائج درسًا حول كيفية قياس قدرات الذكاء الاصطناعي السيبرانية. إن خيارات تصميم فالس - نوافذ طويلة مدتها 48 ساعة، وميزانيات نصف مليار رمزية، والتحقق من خلال علامات مخفية بدلاً من النجاح المبلغ عنه ذاتيًا - يُنظر إليها بشكل متزايد على أنها ضرورية لتقييم الأنظمة الوكيلة بشكل عادل. من المحتمل أن تكون عمليات الاختبار الأقصر والأرخص قد سجلت نتائج DeepSeek أقل بكثير نظرًا لبدايتها البطيئة، مما أدى إلى إخفاء القدرات التي ظهرت مع المزيد من الحوسبة.
وهذا له عواقب عملية على السياسة. تتم معايرة قيود الوصول مثل برنامج Daybreak الخاص بشركة OpenAI مقابل القدرة المقاسة، وإذا كانت طرق التقييم تقلل بشكل منهجي مما يمكن أن تفعله النماذج المفتوحة، فقد تتخلف حواجز الحماية عن الواقع. من المرجح أن تصبح لوحة المتصدرين CyberOffense الخاصة بـ Vals، والتي تقول الشركة إنها ستستمر في تحديثها، واحدة من لوحات النتائج الأكثر مراقبة في مجتمع أمان الذكاء الاصطناعي نتيجة لذلك.
في الوقت الحالي، الرسالة الواردة من البيانات واضحة وصريحة: الفجوة بين ما تحميه المختبرات خلف البرامج المقيدة وما يمكن لأي شخص تنزيله آخذة في التقلص إلى درجة أنه قد يتم قياسها قريبًا خلال أشهر، وليس أجيال من النماذج.
ابق في صدارة الذكاء الاصطناعي
تتبع كل إصدار من النماذج ومعارك الأداء والقفزات في القدرات في مكان واحد على AI Buzz Wire.
اقرأ المزيد من أخبار الذكاء الاصطناعي →
