Ein Benchmark von Vals AI zu autonomen Netzwerk-Einbrüchen vergleicht das OpenAI-Modell GPT-6 Sol mit frei verfügbaren Open-Weight-Modellen wie DeepSeek V4.1 Flash. In der Hauptsimulation eines Unternehmensnetzes erreicht das geschlossene Modell 80,8 Prozent der gesteckten Ziele, das offene 72,8 Prozent – bei rund drei Dollar Kosten pro Lauf gegenüber etwa 22 Dollar.
Der Benchmark CyberOffense von Vals AI stellt jedem getesteten Agenten eine isolierte Angriffsmaschine zur Verfügung. Ausgangspunkt ist allein eine öffentliche Webadresse, menschliche Unterstützung gibt es nicht. Der Agent arbeitet sich selbstständig in das Zielnetz hinein: Aufklärung, Zugangsdaten, laterale Bewegung.
In der Hauptsimulation eines Unternehmensnetzes erreichte GPT-6 Sol aus OpenAIs restriktivem Daybreak-Programm 80,8 Prozent der gesteckten Ziele. Das frei herunterladbare Open-Weight-Modell DeepSeek V4.1 Flash 1017 kam auf 72,8 Prozent – bei Kosten von rund drei Dollar pro Lauf gegenüber etwa 22 Dollar für das geschlossene Modell.
Im schwierigeren Szenario Lighthouse übernahm Daybreak die Administratorkontrolle über ein erstes Unternehmen, entwendete Passwörter und nutzte sie für den Zugang zu einem zweiten. 27 von 31 Zielen waren in weniger als drei Stunden erreicht. DeepSeek kam auf 21 Ziele bei einem Zehntel der Kosten; laut Bericht war das Modell dabei nicht allein durch Sicherheitsvorgaben begrenzt.
Für die Bewertung solcher Tests ist ein methodischer Befund wichtig: DeepSeek erzielte in den ersten 25 Millionen Token keinen Treffer und kam erst nach 100 Millionen Token in Gang. Kurze Testläufe unterschätzen offene Modelle damit systematisch.
Die Ergebnisse decken sich mit einer Analyse des britischen AI Security Institute vom Juli. Danach war der Abstand zwischen offenen und geschlossenen Modellen bei Cyber-Fähigkeiten auf vier bis sieben Monate geschrumpft, nach sechs bis zehn Monaten im Großteil des Jahres 2025. Die Sicherheitsvorkehrungen der offenen Modelle erwiesen sich laut AISI als weitgehend wirkungslos; für DeepSeek V4-Pro nennt die Behörde 1,19 Dollar pro Lauf, für Anthropics Opus 4.5 85 Dollar. Auch eine eigene Untersuchung von Anthropic kommt zu einem ähnlichen Befund: Das offene Modell GLM-5-3 baute Exploits nahezu auf dem Niveau des internen Topmodells.
Vals AI formuliert die Folgerung in beide Richtungen. Sind die Gewichte einmal öffentlich, kann kein Anbieter die Nutzung einschränken. Dieselben Modelle können Verteidigern aber auch helfen, Schwachstellen zuerst zu finden und zu schließen.
Für Betreiber kleiner und mittlerer Netze verschiebt sich damit vor allem die Frequenz der Prüfung. Ein Benchmark ist deutlich billiger als ein Pentest und lässt sich häufiger wiederholen; er ersetzt die Prüfung im gewachsenen Produktivnetz jedoch nicht.
Ein Benchmark-Netz ist kein gewachsenes Büronetz. Es gibt keinen Altbestand, keine historisch gewachsenen Freigabestrukturen und keine Konten, die seit Jahren niemand mehr pflegt. Ein Agent, der in einer Testumgebung erfolgreich ist, scheitert in der Praxis häufig an einer MFA-Abfrage oder an einem Gerät, das niemand mehr betreut.
Für Handwerksbetriebe und KMU ergeben sich daraus dieselben drei Punkte, die auch gegenüber menschlichen Angreifern gelten: Identitäten prüfen, Rechte klein halten und Backups zurückspielen können. Die Reihenfolge der Maßnahmen ändert sich, nicht das Handwerk.
Autor: Team REN-AI-SSANCE – mit KI-Unterstützung erstellt, von Menschen geprüft und freigegeben.
Quelle: shift.zone – Originalartikel vom 08.11.2026; Abruf/Archivstand: 09.11.2026
