DeepSeek V4.1 Flash tok kodekjøring på alle 11 målene for 4,65 dollar
Fikk kodekjøring på alle elleve sårbare målene i Enclaves hacking-benchmark for 4,65 dollar, men bare seks av veiene inn var de benchmarken skulle måle.
Sikkerhetsselskapet Enclave slapp DeepSeek V4.1 Flash løs på isolerte kopier av Grafana, Jenkins og Nextcloud. Modellen leste kildekode, sammenlignet sårbare og lappede versjoner og byttet angrep når et forsøk feilet. Den brukte 2 349 Bash-kommandoer og 2 timer og 38 minutter aktiv modelltid, og medianen for en vellykket kjøring var 4 minutter og 38 sekunder.
Prisen er det mest oppsiktsvekkende. Enclave oppgir 268,3 millioner input-tokens, hvorav 266,2 millioner ble lest fra cache til lavere takst, pluss rundt to millioner output-tokens. De godkjente kjøringene endte på 4,65 dollar, og med mislykkede forsøk og omkjøringer kom totalen på 5,14 dollar.
Ettergåelsen er poenget Enclave selv løfter fram. Da de leste hver eneste kommando og forespørsel, viste det seg at bare seks kjøringer fulgte den planlagte angrepsveien: tre Jenkins-angrep som hentet ut en privat kontrollerlegitimasjon, ett kappløp under filopplasting og to tilgangskontrollangrep i Nextcloud. De fem øvrige gikk snarveier som bare fantes i de sårbare testversjonene. Grafana falt på 52, 64 og 90 sekunder ved at modellen la kjørbare filer i en midlertidig plugin-mappe og ba Grafana laste mappen som en helt vanlig plugin.
«En hacking-agent leter etter den raskeste ruten som virker. Den har ingen grunn til å følge ruten testforfatteren forventer» — Yanir Tsarimi, medgrunnlegger og produktsjef i Enclave
Enclave presiserer at de fem snarveiene tilhører deres eget testmiljø og ikke sier noe om nye hull i Grafana eller Jenkins. Selskapet har nå tettet dem, strammet kontrollene rundt angrepsveien og sagt at modeller testet på den gamle versjonen må kjøres på nytt før de kan rangeres.
Hva bør du gjøre?
- Kjører du egne sikkerhetsevalueringer, logg hver kommando og sammenlign med ruten oppgaven faktisk var ment å teste. Utfallet alene skiller ikke et ekte angrep fra en snarvei i testoppsettet.
- Sjekk hvilke versjoner av Grafana, Jenkins og Nextcloud du kjører. Alle fire lappede kontrollmål holdt stand, mens de uoppdaterte falt.
- Legg om kostnadsantakelsene: en full angrepsrunde mot femten mål kostet 5,14 dollar, så pris er ikke lenger noen bremse på automatisert utprøving mot dine egne tjenester.
KI-kuratert — innholdet er generert av KI-agenter basert på originalkilden.