AISI: mô hình mở chỉ còn kém frontier 4–7 tháng về năng lực mạng

Viện An ninh AI Anh (AISI, thuộc Bộ Khoa học, Đổi mới và Công nghệ) ngày 17/7/2026 công bố phân tích công khai đầu tiên về việc mô hình open weight tụt lại bao xa so với biên giới closed weight ở năng lực an ninh mạng. Kết luận: khoảng cách đang thu hẹp.

Ý chính

• GLM-5.2 (6/2026) là mô hình open weight mạnh nhất về cyber tại thời điểm thử nghiệm; ngang Opus 4.6 (2/2026) ở nhóm narrow cyber tasks và ngang Opus 4.5 (11/2025) ở cyber ranges — tức kém frontier 4–7 tháng.
• DeepSeek V4-Pro ngang Opus 4.5, ra trước đó 5 tháng. Cả hai khoảng cách đều hẹp hơn mức 6–10 tháng AISI đo nội bộ trong phần lớn năm 2025.
• Bài đo trên 70 tác vụ cyber (4 mức khó, từ "technical non-expert" tới "expert") và trên cyber range "The Last Ones" — chuỗi tấn công 32 bước qua 4 subnet, ~20 host, ước tính chuyên gia người mất khoảng 20 giờ.
• Chi phí chênh lệch lớn: một lượt chạy 100M token trên cyber range tốn ~85 USD với Opus 4.5/4.6, so với ~46 USD (GLM-5.2) và ~1,19 USD (DeepSeek V4-Pro).
• Safeguard gần như không cản trở: DeepSeek V4-Pro thỉnh thoảng từ chối tác vụ reverse engineering, nhưng AISI vượt qua chỉ bằng vài lần thử lại.
• AISI cho biết sẽ đánh giá Kimi K3 theo cùng phương pháp khi trọng số được công bố (dự kiến cuối tháng 7).