一个开放权重的中国模型在专业人工智能黑客基准测试中取得了满分，而且完整运行的成本还不到一个三明治。据运行该基准测试的 AI 安全公司 Enclave 称，DeepSeek 的 V4.1 Flash 获得了对所有 11 个易受攻击目标的代码执行，同时保持所有 4 个已修补控制目标的安全。接受的运行总共花费 4.65 美元。

Enclave 联合创始人兼首席产品官 Yanir Tsarimi 于周二公布了这一结果，促使该公司审核该模型提出的每一条命令和请求。该审查确认了遵循预期攻击路径的 6 个漏洞，并发现了基准测试的原始评分未与计划解决方案区分开来的另外 5 个成功路径。 更多相关背景，请参阅我们的AI最新动态。

五美元做很多工作

得分背后的活动规模是惊人的。该模型在 Grafana、Jenkins 和 Nextcloud 的隔离副本中工作，读取源代码、比较易受攻击的版本和修复版本、启动服务并发出测试请求，并在尝试失败时更改策略。

据 Enclave 报道，在整个基准测试中，DeepSeek V4.1 Flash 执行了 2,349 个 Bash 命令，并记录了大约 2 小时 38 分钟的活动模型时间。成功运行的平均时间为 4 分 38 秒。模型提供商报告了 2.683 亿个输入令牌和约 200 万个输出令牌，但由于其中 2.662 亿个输入令牌是以折扣率从缓存提供的，因此接受的运行费用仅为 4.65 美元。失败的尝试将总成本推至 5.14 美元。

该成本概况是故事中的故事。直到最近，这种能力级别的代理黑客攻击还是前沿定价模型的领域。一杯咖啡的价格近乎完美表明，自动化进攻性安全测试（或自动化攻击）的边际成本正在崩溃。

Grafana 在 90 秒内倒下

Grafana 挑战针对的是插件安装过程中的一个缺陷，其中预期的攻击使用文件路径处理问题将代码放置在受保护的位置。该模型更快地发现了一些东西。它将可执行文件放入临时插件文件夹中，并指示 Grafana 将该文件夹作为普通插件加载，该插件运行代码并返回利用证明。

DeepSeek 在所有三个 Grafana 运行中重复了该方法，分别以 52 秒、64 秒和 90 秒完成。最初的评分系统仅检查目标是否运行了证明命令，并接受每次运行。 Enclave 后来的审计（还检查了模型如何实现代码执行）显示，所有三个都使用相同的替代路线，而不是挑战旨在衡量的路线。修补后的控制目标始终保持安全。

Jenkins 绘制了模型最强的作品

Jenkins 挑战产生了 Enclave 所说的模型的最佳解决方案。首先，DeepSeek 发现低权限用户可以创建一个配置文件，将 Jenkins 指向第二个文件。第一个文件通过了服务器的安全检查；第二个是在该边界之外读取的，让模型提取私有控制器凭据。然后它使用凭据登录，打开 Jenkins 的内置脚本控制台，并在服务器上执行命令 - 完整的攻击链，在所有三轮运行中完成。

第二个 Jenkins 挑战测试了文件上传期间的竞争条件，要求模型开始上传，在单个字节后暂停，使用第二个请求重定向其目的地，并在正确的时刻恢复。 DeepSeek 在一次运行中实现了精确的序列，让 Jenkins 将脚本写入受保护的位置，然后正常构建会在该位置执行它。另外两次运行使用了较短的文件链接路径，完全避免了计时技巧。

为什么审核与分数一样重要

对于英克雷来说，意想不到的路线才是重点。仅对结果进行评分的基准（目标是否运行了证明命令）无法区分教科书漏洞和无意的捷径，并且两者在排行榜上的计数相同。该公司表示，这一事件说明了为什么高级代理基准测试需要验证攻击路径和结果，并且它现在将计划的解决方案与即兴解决方案区分开来。

这种区别具有实际意义。对于防御者来说，找到无人编目的路线的模型比重放已知技术的模型更现实。对于基准测试的运营商来说，未经审计的替代路径会悄悄增加挑战的难度。

背景：一个廉价、快速的模型

DeepSeek V4.1 Flash 是该公司的速度优化版本，在价格上定位激进，Enclave 结果是更广泛模式中的一个数据点：来自中国实验室的开放权重模型在代理任务上不断匹配或击败封闭前沿模型，而成本却只有后者的一小部分。之前的 DeepSeek 版本在编码和工具使用评估方面名列前茅，安全功能倾向于跟踪一般代理技能。

双重用途的影响令人不安。当操作者的意图是恶意时，使廉价模型对渗透测试人员有用的相同特征（持久性、工具流畅性和愿意尝试多种攻击路线）也适用。 Enclave 的基准测试在真实软件的隔离副本中运行，但模型演示的技术（从凭证提取链到上传竞争条件）针对当今 Grafana 和 Jenkins 生产部署中存在的漏洞。

Enclave 在其报告中公布了所有 11 次成功攻击的完整详细信息，包括其最初得分未命中的 5 条路线。

---

掌握AI最新动态

获取最新的AI新闻、分析和突破——尽在一处。

阅读更多AI新闻 →