Deepseek V4.1 Flash, GPT-6 Sol'a yaklaştı

Deepseek V4.1 Flash, siber saldırı becerilerini ölçen yeni bir testte kapalı modellerin çok yakınına geldi. Vals AI'ın CyberOffense kıyaslaması, yapay zeka ajanlarının gerçekçi şirket ağlarına tek başına sızıp sızamadığını ölçüyor. Üstelik açık ağırlıklı bu model, rakibinden çok daha ucuza çalışıyor. Çünkü Vals araştırmacılarına göre, ağırlıkları herkese açık bir modelin kullanımını hiçbir sağlayıcı denetleyemiyor.

Test nasıl işliyor?

Her ajan izole bir saldırı makinesinde tek başına çalışıyor ve elinde yalnızca herkese açık bir web adresi bulunuyor. Ajan, Kali Linux tabanlı makineden simüle edilen şirket ağına kendi komutlarını gönderiyor. Ardından web uygulamasından Windows sunucularına, oradan da yönetici yetkisine ilerliyor. Ayrıca her adım dışarıda kaydediliyor ve otomatik olarak puanlanıyor.

Deepseek V4.1 Flash, GPT-6 Sol'un ne kadar gerisinde?

En yüksek sonucu, OpenAI'ın erişimi kısıtlı Daybreak siber programında yer alan GPT-6 Sol aldı. Böylece model, hedeflerin yüzde 80,8'ine ulaştı. Deepseek V4.1 Flash 1017 ise yüzde 72,8 ile onu yakından izliyor. Ancak maliyet farkı büyük: Deepseek çalıştırma başına yaklaşık 3 dolara mal olurken rakipte bu tutar yaklaşık 22 dolar.

Daha basit Nova testinde GPT-6 Sol Daybreak yaklaşık yüzde 80 ile önde. Daha zor Lighthouse senaryosunda ise Daybreak, ilk şirketin yönetici kontrolünü ele geçirdi. Ardından parolaları çaldı ve bunlarla ikinci şirkete sızdı. Toplam 31 hedefin 27'sini üç saatten kısa sürede tamamladı.

Deepseek V4.1 Flash ise aynı senaryoda 21 hedefe ulaştı. Üstelik maliyeti onda biri kadardı. Ayrıca güvenlik bariyerleri modeli tek başına sınırlamadı.

Deepseek V4.1 Flash, ilk 25 milyon token'da (modelin işlediği metin birimi) hiç sonuç alamadı. Ancak ilerlemenin büyük kısmı 100 milyon token'dan sonra geldi. Ayrıca çoğu açık Çin modeli de bu eşiği aşmadan anlamlı ilerleme kaydedemiyor. Bu nedenle kısa testler, açık modellerin potansiyelini olduğundan düşük gösteriyor.

Açık ve kapalı modeller arasındaki fark küçülüyor

Bu sonuçlar, İngiltere AI Güvenlik Enstitüsü'nün (AISI) Temmuz tarihli analiziyle de örtüşüyor. Buna göre siber yetenekte açık ve kapalı öncü modeller arasındaki fark dört ila yedi aya geriledi. Oysa 2025'in büyük bölümünde bu fark altı ila on aydı.

Ayrıca açık modeller çok daha ucuza çalışıyor. AISI'ye göre Deepseek V4-Pro ile siber tatbikat ortamında (cyber range) tek bir çalıştırma yalnızca 1,19 dolar tutuyor. Buna karşın Anthropic'in Opus 4.5 modelinde aynı çalıştırma 85 dolara çıkıyor. Üstelik açık modellerdeki güvenlik önlemleri büyük ölçüde etkisiz kaldı.

Ayrıca Anthropic'in yakın tarihli bir çalışması da benzer sonuç verdi. Serbestçe erişilebilen GLM-5-3, şirketin dahili üst modeli Mythos'a yakın düzeyde istismar kodu geliştirebiliyor.

Vals'a göre aynı bulgular savunmacılar için de fırsat yaratıyor. Çünkü açıkları istismar edebilen modeller, şirketlerin bu açıkları önce bulup kapatmasına da yardım edebilir. Yine de gerçek ağlara yönelik saldırıların önümüzdeki aylarda artması bekleniyor.