KI-Agenten dringen eigenständig in Firmen-Testnetzwerke ein

Vals AI hat festgestellt, dass autonome Agenten sich durch simulierte Unternehmensnetzwerke bewegen und ohne menschliche Hilfe Administratorrechte erlangen können.

3 min read

KI-Agenten dringen eigenständig in Firmen-Testnetzwerke ein

Illustration made on Lumeta with GPT Image 2.5Make one like it

Vals AI teilte am 7. Nov. 2026 mit, dass Open-Weight-Modelle in seinen CyberOffense-Tests deutlich näher an zugangsbeschränkte Frontier-Systeme herangerückt sind: Deepseek V4.1 Flash 1017 erreichte 72,8 Prozent der Nova-Ziele, GPT-6 Sol Daybreak 80,8 Prozent, kostete dabei aber nur rund $3 pro Durchlauf statt etwa $22. Das ist relevant, weil dieselben agentischen Fähigkeiten, mit denen sich Angriffe automatisieren lassen, Verteidigern schon jetzt helfen können, ihre eigenen Netzwerke zu testen und abzusichern.

Was Vals herausgefunden hat

Vals hat mit CyberOffense einen Benchmark entwickelt, der realistische Unternehmensnetzwerke simuliert. Jeder Agent startet auf einem isolierten Kali-Linux-Rechner, verfügt nur über eine öffentliche Webadresse und erhält keine menschliche Hilfe. Von einer Web-App aus muss er sich zu Windows-Systemen und höheren Berechtigungen vorarbeiten. Im Nova-Szenario lag GPT-6 Sol Daybreak insgesamt vorn, Deepseek blieb dicht dran und war deutlich günstiger. Im schwierigeren Lighthouse-Szenario zeigt die Tabelle Meta Wonder mit 28 von 31 Zielen, GPT-6 Sol Daybreak mit 27 und Deepseek V4.1 Flash 1017 mit 21.

Lighthouse-Benchmark: erreichte Ziele von 31
Meta Wonder28
GPT-6 Sol Daybreak27
Deepseek V4.1 Flash 101721
Kimi K3.1 Pro20
Grok 4.716
Kimi K310
GLM 5.3 Flash5
Tabelle des Vals AI CyberOffense-Benchmarks im Lighthouse-Szenario
Leuchtender Roboter mit Kapuze in einem dunklen Serverraum, der einen Ring bunter digitaler Schlüssel hält und hinter einem Rack hervorlugt.
Der Eindringling aus dem Benchmark wirkt weniger bedrohlich, wenn er einen frischen Schlüsselbund umklammert.

Illustration made on Lumeta with GPT Image 2.5Make one like it

Warum das wichtig ist

Laut Vals sind längere Durchläufe entscheidend, um zu verstehen, was diese Systeme wirklich können. Deepseek soll in den ersten 25 Millionen Tokens nichts erreicht und den Großteil seiner Fortschritte erst nach 100 Millionen erzielt haben. Kurze Tests können die Fähigkeiten offener Modelle also unterschätzen. Das passt zu früheren Untersuchungen. Das britische AI Security Institute erklärte im Juli, der Abstand zwischen offenen und geschlossenen Frontier-Modellen bei Cyberaufgaben sei auf vier bis sieben Monate geschrumpft, nachdem er den Großteil von 2025 bei sechs bis zehn Monaten gelegen habe. Dieselbe Studie fand auch große Preisunterschiede: Ein Cyber-Range-Durchlauf mit Deepseek V4-Pro kostete $1,19, mit Anthropic Opus 4.5 dagegen $85. Anthropic berichtete zudem, dass GLM-5-3 Exploits auf nahezu demselben Niveau entwickeln konnte wie sein internes Spitzenmodell Mythos.

Was Sicherheitsteams jetzt tun können

  • Internetseitige Anwendungen, Identitätssysteme und Berechtigungspfade mit agentenartigen Red-Team-Übungen erneut testen, nicht nur mit punktuellen Einzelprüfungen.
  • Budget für längere Evaluierungen einplanen. Kurze Durchläufe übersehen womöglich, was ein Modell nach zehn oder hundert Millionen Tokens leisten kann.
  • Davon ausgehen, dass Open-Weight-Modelle offensiv eingesetzt werden, sobald die Gewichte öffentlich sind, denn Zugangskontrollen eines Anbieters greifen dann nicht mehr.
  • Modelle derselben Klasse zur Verteidigung nutzen, um Schwachstellen vor Angreifern zu finden, vor allem bei Web-Einstiegspunkten, Windows-Hosts und Administratorrechten.

Was ist der CyberOffense-Benchmark von Vals?

Eine Testumgebung, die realistische Unternehmensnetzwerke simuliert. Ein KI-Agent startet auf einem isolierten Angriffsrechner mit nur einer öffentlichen Webadresse und muss die nötigen Schritte selbst finden und ausführen, um tiefer ins Netzwerk vorzudringen und Ziele mit höheren Berechtigungen zu erreichen.

Welches Modell schnitt in den Ergebnissen von Vals am besten ab?

GPT-6 Sol Daybreak erzielte mit 80,8 Prozent der Ziele das beste Nova-Ergebnis. In der Lighthouse-Tabelle erreichte Meta Wonder 28 von 31 Zielen, dicht gefolgt von GPT-6 Sol Daybreak mit 27.

Heißt das, offene Modelle sind schon besser als geschlossene?

Nicht durchgängig. Geschlossene Modelle lagen bei einigen Kennzahlen weiterhin vorn, doch der Abstand ist kleiner als zuvor und manche offenen Modelle sind deutlich günstiger. Deshalb ist der Gesamttrend wichtiger als einzelne Platzierungen in der Rangliste.

Warum sind längere Durchläufe so wichtig?

Weil manche Modelle anfangs kaum sichtbare Fortschritte machen und sich erst bei deutlich größeren Token-Budgets stark verbessern. Laut Vals erzielte Deepseek den Großteil seiner Fortschritte erst nach 100 Millionen Tokens, kurze Tests können seine tatsächliche Leistungsgrenze also verfehlen.

Every top AI model, in one place

Nano Banana 2, GPT Image 2.5, Seedance, Veo and more, all on one credit balance. Start free with 35 credits a month. No card needed.

Bild hochskalierenErhöhe die Qualität und Auflösung eines Bildes

All tools for "Bigger and sharper"

More from Lumeta

All Neuigkeiten