AI Agent เจาะระบบเครือข่ายองค์กรจำลองได้เองโดยไม่ต้องพึ่งมนุษย์
Vals AI พบว่าเอเจนต์อัตโนมัติสามารถเจาะเข้าไปในเครือข่ายองค์กรจำลองและได้สิทธิ์ระดับผู้ดูแลระบบโดยไม่ต้องมีมนุษย์ช่วย
Illustration made on Lumeta with GPT Image 2.5Make one like it
Vals AI เปิดเผยเมื่อวันที่ 7 พ.ย. 2026 ว่าโมเดลแบบ open-weight ไล่ตามระบบ frontier แบบจำกัดการเข้าถึงได้ใกล้ขึ้นมากในการทดสอบ CyberOffense โดย Deepseek V4.1 Flash 1017 ทำภารกิจใน Nova สำเร็จ 72.8 เปอร์เซ็นต์ เทียบกับ 80.8 เปอร์เซ็นต์ของ GPT-6 Sol Daybreak ขณะที่มีต้นทุนราว $3 ต่อรอบ แทนที่จะเป็นประมาณ $22 เรื่องนี้สำคัญเพราะทักษะแบบเอเจนต์ชุดเดียวกันที่ใช้เจาะระบบอัตโนมัติได้ ก็สามารถนำมาใช้โดยฝ่ายป้องกันเพื่อทดสอบและเสริมความแข็งแกร่งให้เครือข่ายของตัวเองได้ตั้งแต่ตอนนี้
สิ่งที่ Vals ค้นพบ
Vals สร้างเบนช์มาร์กชื่อ CyberOffense ที่จำลองเครือข่ายองค์กรอย่างสมจริง เอเจนต์แต่ละตัวเริ่มต้นจากเครื่อง Kali Linux ที่แยกขาด โดยมีเพียงที่อยู่เว็บสาธารณะและไม่มีมนุษย์ช่วย จากนั้นต้องเคลื่อนจากเว็บแอปเข้าไปยังระบบ Windows และสิทธิ์ที่สูงขึ้น ในสถานการณ์ Nova นั้น GPT-6 Sol Daybreak นำโดยรวม ส่วน Deepseek ตามมาติด ๆ และถูกกว่ามาก ในสถานการณ์ Lighthouse ที่ยากกว่า ตารางแสดงว่า Meta Wonder ทำได้ 28 จาก 31 ภารกิจ, GPT-6 Sol Daybreak ทำได้ 27 และ Deepseek V4.1 Flash 1017 ทำได้ 21

Illustration made on Lumeta with GPT Image 2.5Make one like it
ทำไมเรื่องนี้จึงสำคัญ
Vals ระบุว่าการทดสอบที่ยาวขึ้นเป็นสิ่งสำคัญต่อการเข้าใจว่าระบบเหล่านี้ทำอะไรได้จริง มีรายงานว่า Deepseek ไม่ได้คะแนนเลยใน 25 ล้านโทเค็นแรก และทำผลงานส่วนใหญ่ได้หลังผ่าน 100 ล้านโทเค็นไปแล้ว ซึ่งหมายความว่าการทดสอบสั้น ๆ อาจประเมินความสามารถของโมเดลเปิดต่ำเกินไป ข้อนี้สอดคล้องกับงานวิจัยก่อนหน้าด้วย สถาบัน AI Security Institute ของสหราชอาณาจักรระบุเมื่อเดือนกรกฎาคมว่าช่องว่างระหว่างโมเดล frontier แบบเปิดและแบบปิดในงานไซเบอร์แคบลงเหลือ 4 ถึง 7 เดือน จากเดิม 6 ถึง 10 เดือนตลอดช่วงส่วนใหญ่ของปี 2025 งานศึกษาเดียวกันยังพบความต่างด้านราคาอย่างมาก โดยการรัน cyber range ของ Deepseek V4-Pro มีค่าใช้จ่าย $1.19 เทียบกับ $85 ของ Anthropic Opus 4.5 นอกจากนี้ Anthropic ยังรายงานแยกต่างหากว่า GLM-5-3 สามารถสร้างเอ็กซ์พลอยต์ได้ในระดับใกล้เคียงกับ Mythos โมเดลชั้นนำภายในของบริษัท
สิ่งที่ทีมความปลอดภัยทำได้ตอนนี้
- ทดสอบแอปที่เปิดสู่อินเทอร์เน็ต ระบบยืนยันตัวตน และเส้นทางการยกระดับสิทธิ์ใหม่อีกครั้งด้วยการฝึก red team แบบเอเจนต์ ไม่ใช่แค่การตรวจเฉพาะจุดแคบ ๆ
- เผื่องบประมาณสำหรับการประเมินที่ยาวขึ้น การทดสอบสั้น ๆ อาจพลาดสิ่งที่โมเดลทำได้หลังใช้ไปหลายสิบหรือหลายร้อยล้านโทเค็น
- ให้สันนิษฐานว่าโมเดล open-weight จะถูกนำไปใช้โจมตีเมื่อน้ำหนักโมเดลเผยแพร่สู่สาธารณะ เพราะการควบคุมการเข้าถึงจากผู้ให้บริการไม่มีผลอีกต่อไป
- ใช้โมเดลระดับเดียวกันในการป้องกัน เพื่อหาเส้นทางที่อ่อนแอก่อนผู้โจมตี โดยเฉพาะจุดเข้าทางเว็บ เครื่อง Windows และสิทธิ์ผู้ดูแลระบบ
เบนช์มาร์ก CyberOffense ของ Vals คืออะไร
เป็นสภาพแวดล้อมทดสอบที่จำลองเครือข่ายองค์กรอย่างสมจริง เอเจนต์ AI เริ่มต้นจากเครื่องโจมตีที่แยกขาด โดยมีเพียงที่อยู่เว็บสาธารณะ จากนั้นต้องค้นหาและลงมือทำขั้นตอนที่จำเป็นเพื่อเจาะลึกเข้าไปในเครือข่ายและบรรลุภารกิจที่ต้องใช้สิทธิ์สูงขึ้น
โมเดลใดทำผลงานได้ดีที่สุดในผลของ Vals
GPT-6 Sol Daybreak ทำผลงานสูงสุดใน Nova ที่ 80.8 เปอร์เซ็นต์ของภารกิจ ส่วนในตาราง Lighthouse นั้น Meta Wonder ทำได้ 28 จาก 31 ภารกิจ โดยมี GPT-6 Sol Daybreak ตามมาติด ๆ ที่ 27
แปลว่าโมเดลเปิดดีกว่าโมเดลปิดแล้วหรือไม่
ไม่ใช่ในทุกด้าน โมเดลปิดยังนำในบางตัวชี้วัด แต่ช่องว่างแคบลงกว่าเดิม และโมเดลเปิดบางตัวถูกกว่ามาก ทำให้แนวโน้มโดยรวมสำคัญกว่าอันดับใดอันดับหนึ่งบนลีดเดอร์บอร์ด
ทำไมการทดสอบที่ยาวขึ้นจึงสำคัญนัก
เพราะบางโมเดลแทบไม่มีความคืบหน้าให้เห็นในช่วงแรก แล้วจึงพัฒนาขึ้นอย่างก้าวกระโดดเมื่อได้งบโทเค็นมากขึ้น Vals ระบุว่า Deepseek ทำความคืบหน้าส่วนใหญ่ได้หลังผ่าน 100 ล้านโทเค็นไปแล้ว การทดสอบสั้น ๆ จึงอาจมองไม่เห็นขีดสูงสุดที่แท้จริงของมัน


