I risultati del benchmark Vals
Gli agenti di intelligenza artificiale sono in grado di penetrare da soli in reti aziendali realistiche. È quanto emerge dal benchmark Vals CyberOffense, riportato da The Decoder, che simula ambienti aziendali per testare le capacità offensive dei modelli: ogni agente lavora in autonomia su una macchina isolata, partendo soltanto da un indirizzo web pubblico e senza alcun supporto umano.
Il miglior risultato è quello di GPT-6 Sol, parte del programma cyber ristretto Daybreak di OpenAI, che ha centrato l'80,8 per cento degli obiettivi. Poco distante si colloca DeepSeek V4.1 Flash 1017, un modello open-weight liberamente disponibile, che raggiunge il 72,8 per cento con un costo di circa 3 dollari per esecuzione contro i circa 22 dollari del sistema di OpenAI. Come osservano i ricercatori di Vals, una volta resi pubblici i pesi di un modello nessun fornitore può più controllarne o limitarne l'uso.
Il test più difficile e il fattore tempo
Nel test più complesso, chiamato Lighthouse, Daybreak ha assunto il controllo amministrativo di una prima azienda, sottratto le password e le ha usate per violare una seconda impresa: 27 obiettivi su 31 completati in meno di tre ore. DeepSeek si è fermato a 21 obiettivi, a un decimo del costo, e secondo la fonte non è stato limitato soltanto dalle misure di sicurezza del modello.
Un elemento rilevante riguarda la durata delle prove. DeepSeek non ha prodotto alcun risultato nei primi 25 milioni di token e ha compiuto la maggior parte dei progressi solo dopo 100 milioni: i test brevi, quindi, sottostimano il potenziale reale dei modelli aperti. Vals segnala anche un possibile risvolto difensivo, perché gli stessi modelli capaci di sfruttare le vulnerabilità possono aiutare le aziende a individuarle e correggerle in anticipo. Secondo i ricercatori, nei prossimi mesi gli attacchi a reti reali potrebbero aumentare.
Il confronto con l'analisi britannica e i nodi aperti
I dati sono coerenti con un'analisi di luglio dell'AI Security Institute (AISI) del Regno Unito, secondo cui il divario tra modelli di frontiera aperti e chiusi nelle capacità cyber si è ridotto a quattro-sette mesi, contro i sei-dieci mesi che caratterizzavano gran parte del 2025. L'AISI indica anche un forte scarto di costo: una sessione in un cyber-range costa 1,19 dollari con DeepSeek V4-Pro e 85 dollari con Opus 4.5 di Anthropic, mentre le misure di sicurezza dei modelli aperti si sono rivelate in larga parte inefficaci.
Il quadro è completato da uno studio di Anthropic secondo cui il modello libero GLM-5-3 è in grado di costruire exploit a un livello quasi pari a quello del modello interno di punta Mythos. Restano da chiarire diversi aspetti: il materiale non specifica le metodologie complete dei test né le condizioni esatte delle simulazioni, e le previsioni sull'aumento degli attacchi sono attribuite ai ricercatori, non a dati osservati. Le indicazioni sulle prestazioni dei singoli modelli vanno inoltre considerate come risultati di benchmark, non come misure delle capacità in scenari reali.
