当开源权重模型的攻击能力逼近闭源前沿模型，网络安全领域长期依赖的"能力不对称"假设正在失效。
发生了什么
据 The Decoder 报道，在 Vals AI 的基准测试中，模型需要在模拟企业网络环境里完成攻击目标。结果显示，OpenAI 的 GPT-6 Sol Daybreak 达成了 80.8% 的攻击目标；而开源权重的 DeepSeek V4.1 Flash 达到 72.8%，成本仅为前者的约十分之一。
两个数字放在一起看，关键不在于谁更强，而在于差距的量级：不到 8 个百分点的性能落差，对应的是十倍的成本差。这意味着，过去"顶级攻击能力只掌握在少数闭源厂商手里"的格局，正在被成本曲线改写。
为什么重要
长期以来，AI 安全讨论中有一个隐含前提：前沿能力集中在少数闭源模型上，因此可以通过 API 层面的访问控制、滥用检测和供应商自律来形成一道闸门。开源权重模型打破的正是这道闸门——模型一旦发布，权重可以被下载、微调、本地部署，厂商无法回收，也无法监控调用方。
这项基准的意义在于，它把"闸门是否还有效"变成了可量化的经验问题。当开源模型的攻击成功率接近闭源前沿，且推理成本低到可以大规模反复尝试时，攻击者的试错预算被显著放大。防守方原本依赖的"攻击成本高、门槛高"这一缓冲，正在变薄。
需要克制地看待这类结果：模拟环境与真实企业网络存在差距，基准中的攻击目标定义、可用工具和评分方式都会影响结论，单一基准不足以断言真实世界的风险水平。但它指出的方向——开源与闭源在攻防能力上的收敛——与近一年模型能力扩散的整体趋势一致。
影响与看点
对防守方而言，最直接的变化是时间窗口。分析人士的判断是，留给防御体系调整的窗口在快速收窄：与其等待模型能力被限制，不如假设攻击侧已经具备接近前沿的能力，重新评估检测、分段和响应流程。
对开发者与企业来说，开源模型低成本、可私有部署的特性本身是中性的，它同时降低了安全团队做红队测试和自动化渗透验证的门槛——攻防两侧用的是同一批工具。真正的分水岭在于治理：是否有对模型调用的审计、是否对高风险能力做了使用约束。
对模型厂商而言，发布开源权重意味着放弃对下游用途的可见性，这一点在网络安全语境下会被反复追问。基准数据会持续成为政策讨论的弹药，但把能力数字直接等同于现实风险，仍是过度简化。
一个独立的判断：攻防能力收敛是结构性的，不会因为某家厂商收紧发布而逆转；真正能拉开差距的，是防守方把 AI 用于检测与响应的速度，而不是指望攻击侧的能力被锁住。
