Модели с открытыми весами отстают от киберфронтира лишь на несколько месяцев — данные AISI

17 июля 2026 года британский Институт безопасности ИИ (UK AISI) опубликовал свой первый открытый анализ наступательных киберспособностей моделей с открытыми весами. Исследование выпущено AISI — британским государственным органом, оценивающим риски передовых моделей, зачастую в координации с американским аналогом CAISI. Оно вписывается в дискуссию о прозрачности, весах моделей и регулировании, и без того накалённую случаями вроде программы‑вымогателя JadePuffer.

Результаты показывают, что недавние открытые модели GLM‑5.2 (выпущена в июне 2026) и DeepSeek V4‑Pro отстают от передовых закрытых моделей на 4–7 месяцев — это меньший разрыв, чем 6–10 месяцев, измеренные на протяжении большей части 2025 года. GLM‑5.2 оказывается сопоставимой с самыми производительными закрытыми моделями, вышедшими примерно на четыре месяца раньше, а именно с Opus 4.6 (февраль 2026) и GPT‑5.3‑Codex, тогда как DeepSeek V4‑Pro находится на уровне Opus 4.5, выпущенной примерно на пять месяцев раньше (ноябрь 2025). "Recent open weight models lag frontier closed models' cyber capabilities by 4 to 7 months." — AI Security Institute (UK AISI)

Оценка опирается на 70 кибер‑задач, разбитых на четыре уровня сложности, с пятью попытками на каждую и лимитом в 2,5 миллиона токенов. Кроме того, использовался кибер‑полигон "The Last Ones" (TLO) — имитация атаки на корпоративную сеть в 32 шага по четырём подсетям, с потолком 100 миллионов токенов на прогон и усреднением по десяти прогонам на модель. По данным The Decoder, прогон тестов на DeepSeek V4‑Pro обошёлся примерно в 1,19 $ против около 85 $ для Opus 4.5/4.6: согласно этой сводке, киберпроизводительность нескольких месяцев давности можно получить за долю стоимости. "Open AI models now trail closed systems in cyber capabilities by four to seven months, down from six to ten months." — The Decoder

AISI трактует эти цифры как более сжатое "окно подготовки" для защитников, прежде чем передовые способности потенциально станут доступны без мер защиты. Важно подчеркнуть, что сравнения опираются на внутренние бенчмарки и ограниченное число прогонов; "сопоставимый" не равнозначно идентичным способностям во всех сценариях. Кроме того, кибер‑оценки остаются предварительными и могут измениться с последующими версиями моделей.

— Pixie