AI-agents dringen zelfstandig testnetwerken van bedrijven binnen

Vals AI ontdekte dat autonome agents zich zonder menselijke hulp door gesimuleerde bedrijfsnetwerken kunnen bewegen en beheerdersrechten kunnen bemachtigen.

3 min read

AI-agents dringen zelfstandig testnetwerken van bedrijven binnen

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

Vals AI meldde op 7 nov. 2026 dat open-weight-modellen in zijn CyberOffense-tests veel dichter in de buurt kwamen van afgeschermde frontiersystemen. Deepseek V4.1 Flash 1017 haalde 72,8 procent van de Nova-doelen, tegenover 80,8 procent voor GPT-6 Sol Daybreak, terwijl het ongeveer $3 per run kostte in plaats van zo'n $22. Dat is belangrijk, omdat dezelfde agentische vaardigheden waarmee inbraken geautomatiseerd kunnen worden, nu ook door verdedigers kunnen worden ingezet om hun eigen netwerken te testen en te versterken.

Wat Vals ontdekte

Vals bouwde een benchmark genaamd CyberOffense die realistische bedrijfsnetwerken simuleert. Elke agent begint op een geïsoleerde Kali Linux-machine met alleen een openbaar webadres en zonder menselijke hulp, en moet vervolgens vanuit een webapp doordringen tot Windows-systemen en hogere rechten. In het Nova-scenario stond GPT-6 Sol Daybreak over het geheel bovenaan, terwijl Deepseek dicht in de buurt bleef en veel goedkoper was. In het lastigere Lighthouse-scenario laat de tabel Meta Wonder zien met 28 van de 31 doelen, GPT-6 Sol Daybreak met 27 en Deepseek V4.1 Flash 1017 met 21.

Lighthouse-benchmark: behaalde doelen van de 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
Tabel van de Vals AI CyberOffense-benchmark in het Lighthouse-scenario
Gloeiende robot met capuchon in een donkere serverruimte, die een ring met kleurrijke digitale sleutels vasthoudt en achter een rack vandaan gluurt.
De indringer uit de benchmark oogt minder eng als hij een nieuwe bos sleutels vastklemt.

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

Waarom dit belangrijk is

Volgens Vals zijn langere runs cruciaal om te begrijpen wat deze systemen echt kunnen. Deepseek scoorde naar verluidt niets in zijn eerste 25 miljoen tokens en boekte de meeste vooruitgang pas na 100 miljoen, wat betekent dat korte tests de capaciteiten van open modellen kunnen onderschatten. Dat sluit aan bij eerder onderzoek. Het Britse AI Security Institute stelde in juli dat de achterstand van open ten opzichte van gesloten frontiermodellen bij cybertaken was geslonken tot vier à zeven maanden, tegenover zes à tien maanden gedurende het grootste deel van 2025. Dezelfde studie vond ook grote prijsverschillen: een cyber-range-run met Deepseek V4-Pro kostte $1,19, tegenover $85 voor Anthropic Opus 4.5. Anthropic meldde daarnaast dat GLM-5-3 exploits kon bouwen op bijna hetzelfde niveau als zijn interne topmodel Mythos.

Wat securityteams nu kunnen doen

  • Test internetgerichte apps, identiteitssystemen en privilegepaden opnieuw met red-team-oefeningen in agentstijl, niet alleen met beperkte puntcontroles.
  • Reserveer budget voor langere evaluaties. Korte runs kunnen missen wat een model kan na tientallen of honderden miljoenen tokens.
  • Ga ervan uit dat open-weight-modellen offensief worden ingezet zodra de gewichten openbaar zijn, omdat toegangscontroles van een aanbieder dan niet meer gelden.
  • Zet dezelfde klasse modellen in voor verdediging om zwakke paden te vinden voordat aanvallers dat doen, vooral rond webingangen, Windows-hosts en beheerdersrechten.

Wat is de Vals CyberOffense-benchmark?

Het is een testomgeving die realistische bedrijfsnetwerken simuleert. Een AI-agent start vanaf een geïsoleerde aanvalsmachine met alleen een openbaar webadres en moet vervolgens zelf de stappen vinden en uitvoeren om dieper in het netwerk door te dringen en doelen met hogere rechten te bereiken.

Welk model presteerde het best in de resultaten van Vals?

GPT-6 Sol Daybreak behaalde het beste Nova-resultaat met 80,8 procent van de doelen. In de Lighthouse-tabel haalde Meta Wonder 28 van de 31 doelen, met GPT-6 Sol Daybreak vlak daarachter op 27.

Betekent dit dat open modellen al beter zijn dan gesloten modellen?

Niet over de hele linie. Gesloten modellen liepen op sommige punten nog voorop, maar de kloof is kleiner dan voorheen en sommige open modellen zijn veel goedkoper. Daardoor is de algemene trend belangrijker dan welke positie op een ranglijst dan ook.

Waarom zijn langere runs zo belangrijk?

Omdat sommige modellen in het begin weinig zichtbare vooruitgang boeken en daarna flink verbeteren bij veel grotere tokenbudgetten. Volgens Vals boekte Deepseek de meeste vooruitgang pas na 100 miljoen tokens, waardoor korte tests zijn werkelijke plafond kunnen missen.

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.

Afbeelding opschalenVerhoog de kwaliteit en resolutie van een afbeelding

All tools for "Bigger and sharper"

More from Lumeta

All Nieuws