DeepSeek V4.1 Flash показала результат 84 балла в хакерском бенчмарке

Модель DeepSeek V4.1 Flash продемонстрировала высокую эффективность в автоматизированном поиске уязвимостей, набрав 84 балла в специализированном хакерском бенчмарке. Процесс тестирования занял 4 часа, в ходе которых нейросеть успешно выполнила код на целевых системах.

В рамках испытаний модель достигла результата 11/11 при атаках на такие платформы, как Grafana и Jenkins. Общая стоимость выполнения всех операций составила $4.65. Исследователи отметили, что пять успешных сценариев были реализованы через недокументированные маршруты тестовой среды, а не через целевые уязвимости, что указывает на особенности работы модели в нестандартных условиях.

Результаты тестирования DeepSeek V4.1 Flash подчеркивают текущие возможности специализированных LLM в задачах кибербезопасности. Использование подобных инструментов позволяет автоматизировать поиск векторов атак с минимальными затратами вычислительных ресурсов.

Данный бенчмарк является частью усилий по оценке автономных агентов в реальных сценариях эксплуатации ПО. Полученные данные помогают разработчикам лучше понимать границы применимости моделей при работе с критической инфраструктурой и сложными программными комплексами.