Vals 测试：DeepSeek 模型逼近 OpenAI 网络安全模型，单次成本约 3 美元

11月8日，商业分析媒体 FourWeekMBA 报道称，评估机构 Vals AI 的网络攻击基准测试显示，DeepSeek 的开放权重模型已经接近 OpenAI 的网络安全模型，而单次运行成本只要约 3 美元。

这项名为 CyberOffense 的测试并不考察模型能否复述漏洞知识，而是把 AI 代理放进两个与真实系统隔离的模拟企业网络里，让它在没有人类提示的情况下自行寻找入口、推进攻击步骤。目标清单是固定的，只有代理触达预留的隐藏标记时，成绩才会被计入。

按照 FourWeekMBA 转述的榜单结果，OpenAI 的网络安全模型整体仍排在首位，DeepSeek 紧随其后，两者总分的差距被压缩到个位数百分点；在两个不同的模拟网络中，双方各有领先的一项。

更受关注的是成本。报道称，DeepSeek 每次运行的花费不到 3 美元，而 OpenAI 那款只通过其网络安全计划提供的模型，单次成本要高出数倍。对于需要反复迭代、批量跑分的红队场景，这个价差足以改变谁能用得起这类能力。

Vals 将 DeepSeek 的这款模型描述为任何人都可以下载的开放权重模型。这一点让结果的含义超出一次榜单排名：过去被认为只属于受限前沿模型的攻防能力，正以极低的单次成本出现在可以自由获取的模型上。

需要保留的谨慎同样明显。Vals 采用等算力比较，只有在限定 token 预算内完成的目标才算数，这意味着成本与得分必须放在一起读；而且模拟靶场里的得分并不等于对真实网络的入侵能力，单一榜单也难以覆盖模型在不同环境下的稳定性。

从防守方的角度看，Vals 给出的解释是，能替攻击者找到入口的模型，同样能帮防守方找到薄弱点。这类基准的实际用途，可能更多是让企业在自己的环境中做自动化红队演练，而不是简单比较谁的模型更强。

接下来的看点有三个：Vals 榜单是否会随着新模型的加入而改变排序，DeepSeek 能否在更多网络目标上稳定保持接近的水平，以及 OpenAI 对网络安全模型访问权限的安排会不会因为这类公开对比而调整。