DeepSeek V4.1 Flash взломал все 11 уязвимых целей за $4,65
DeepSeek v4.1 Flash Is Now Our Best Hacking Model
В бенчмарке по AI-хакингу DeepSeek V4.1 Flash получил выполнение кода на всех 11 уязвимых целях, а четыре исправленные остались защищёнными. Принятые запуски обошлись в $4,65 — при 268,3 млн входных токенов, из которых 266,2 млн были кэшированы. Аудит выявил шесть решений по запланированному пути и пять успешных обходных маршрутов, которые исходная система оценки не отличала. После проверки лишние маршруты закрыли, а бенчмарк ужесточили.
Агент-взломщик ищет самый быстрый работающий маршрут, у него нет причин следовать пути, который ожидает автор теста.