Les capacités offensives et défensives de GPT-5.6-Sol surpassent Claude Mythos 5 !
Le 17 juillet, l'Institut de sécurité de l'IA du Royaume-Uni (AISI) a publié un rapport d'évaluation, quantifiant pour la première fois publiquement l'écart dans les capacités de cyberattaque entre les modèles d'IA open source et les modèles frontaliers à source fermée : 4 à 7 mois.
https://www.aisi.gov.uk/blog/how-far-behind-the-frontier-are-leading-open-weight-models-on-cyber
Lors de tests internes similaires l'année dernière, l'écart était de 6 à 10 mois.
La fenêtre de défense se rétrécit, tandis que la frontière d'attaque s'accélère.
En avril de cette année, Mythos Preview et GPT-5.5 ont produit le plus grand bond dans les capacités de cyberattaque depuis le début des tests en 2023 dans l'évaluation de l'AISI, suscitant des avertissements de plusieurs gouvernements.
Les modèles open source n'ont pas encore reproduit ce bond, mais leur rythme de rattrapage est plus rapide que l'année dernière.
4 à 7 mois : comment cela a été mesuré, où se situe l'écart
L'AISI utilise deux systèmes pour évaluer les capacités de cyberattaque des modèles.
Le premier est un ensemble de 70 tâches étroites couvrant quatre domaines : recherche de vulnérabilités, rétro-ingénierie, pénétration web et cryptographie, divisées en quatre niveaux de difficulté, allant de « non-spécialistes ayant une formation technique » à « experts avec plus de dix ans d'expérience ».
Le second est Cyber Range, qui teste la capacité du modèle à exécuter de manière autonome des chaînes d'attaque en plusieurs étapes dans un réseau d'entreprise simulé. Un scénario de test appelé « The Last Ones » comprend 32 étapes d'attaque, 4 sous-réseaux et environ 20 hôtes. L'AISI estime qu'un expert humain aurait besoin d'environ 20 heures pour accomplir toutes les étapes.
Les deux systèmes ont abouti à des conclusions cohérentes :
GLM-5.2 (sorti en juin 2026) a des performances comparables à Opus 4.6 (sorti en février) sur les tâches étroites, un écart de 4 mois ;
Sur Cyber Range, il correspond à Opus 4.5 (sorti en novembre dernier), un écart de 7 mois.
DeepSeek
V4-Pro sur les tâches étroites correspond à Opus 4.5, un écart de 5 mois.
Les deux écarts sont plus étroits que les 6 à 10 mois mesurés lors des évaluations internes en 2025.
L'écart de coût est encore plus grand que l'écart de capacité.
Dans le même test Cyber Range (budget de 100 millions de tokens), exécuter Opus 4.5 ou 4.6 une fois coûte environ 85 $, GLM-5.2 environ 46 $, et
DeepSeek
V4-Pro seulement 1,19 $.
Sur des tâches étroites où les deux modèles atteignent 100 % de complétion, Opus 4.6 coûte 15,17 $ par tâche, GLM-5.2 coûte 6,12 $ ;
Opus 4.5 coûte 12,50 $,
DeepSeek
V4-Pro coûte 0,28 $.
Pour une capacité d'attaque équivalente, l'open-source est un à deux ordres de grandeur moins cher.
Les garde-fous de sécurité des modèles propriétaires n'ont pas non plus réussi à creuser l'écart.
Dans les tests AISI,
DeepSeek
V4-Pro a parfois refusé des tâches de rétro-ingénierie, mais a pu les contourner après quelques tentatives.
Fable 5 d'Anthropic est un cas plus extrême : sorti le 9 juin, trois jours plus tard, le chercheur en sécurité Pliny the Liberator a contourné le classificateur de sécurité à l'aide d'une stratégie de jailbreak en plusieurs étapes, avec des captures d'écran montrant que le modèle a produit du code d'exploitation qui aurait dû être bloqué.
Des chercheurs d'Amazon ont ensuite signalé indépendamment une autre méthode de contournement.
Cela a directement déclenché la première ordonnance de contrôle des exportations du département du Commerce américain ciblant les modèles d'IA, et Fable 5 a été retiré du monde entier pendant 19 jours jusqu'à ce qu'Anthropic déploie un nouveau classificateur pour rétablir le service.
Le code propriétaire ne signifie pas automatiquement sécurité.
La fenêtre de défense se rétrécit, les outils de défense s'accélèrent également
L'AISI a émis des signaux politiques clairs dans le rapport : les défenseurs ont moins de temps de préparation que l'année dernière.
Le Centre national de cybersécurité du Royaume-Uni a appelé les organisations à renforcer leurs bases de cybersécurité et à tirer parti de l'IA pour améliorer leurs capacités de défense.
La même génération d'outils d'IA accélère effectivement les efforts de défense.
Glenn Fiedler, développeur vétéran en programmation réseau de jeux qui écrit des articles de niveau manuel depuis deux décennies, a récemment utilisé Claude Code pour effectuer un audit de sécurité systématique de quatre bibliothèques réseau open-source qu'il maintient (yojimbo, netcode, reliable, serialize, totalisant environ 6000 étoiles GitHub, qui sont des bibliothèques open-source anciennes assez influentes dans le domaine du jeu) : déploiement de cibles libFuzzer, activation de l'CI AddressSanitizer et MemorySanitizer, exécution de millions d'itérations de tests de stress, et revue de code ligne par ligne.
Glenn Fiedler
En deux semaines, 43 vulnérabilités de sécurité ont été corrigées, dont 27 étaient accessibles à distance sur le réseau.
Le plus grave était un débordement de tas à distance dans yojimbo qui existait depuis 2019 — des clients malveillants pouvaient le déclencher en forgeant des paquets de données spécifiques.
Le coût total en tokens de l'ensemble de l'audit était d'environ 2 500 $.
L'attaque et la défense sont toutes deux accélérées par l'IA, mais de manière asymétrique.
La prolifération des capacités d'attaque est irréversible : une fois les poids des modèles open-source publiés, ils ne peuvent pas être récupérés, les garde-fous de sécurité peuvent être retirés, et des copies peuvent être exécutées sur des serveurs privés sans surveillance.
Le déploiement d'outils de défense exige que chaque équipe investisse proactivement du temps et des coûts.
Une phrase du rapport de l'AISI met en évidence cette structure : « Une fois open-sourcés, ces choix sont perdus à jamais. »
L'impact de ces données sur le paysage de l'AGI est plus profond que les chiffres eux-mêmes.
L'écart de capacités entre open-source et closed-source s'est réduit à moins de six mois, et la stratégie par défaut consistant à « utiliser la période d'exclusivité du closed-source comme tampon de sécurité » est sur le point de devenir inefficace.
Les garde-fous des modèles closed-source se sont également révélés tout aussi fragiles lors de l'incident de Fable 5.
Pour les décideurs politiques mondiaux de la prochaine phase, la question centrale des jeux politiques est devenue plus aiguë : au-delà de quel niveau de capacité les poids des modèles ne devraient-ils pas être open-sourcés.
L'AISI a annoncé qu'elle continuera à évaluer
Kimi
K3 et d'autres modèles open-source de nouvelle génération — où cette ligne sera tracée dépendra probablement des résultats des tests dans les mois à venir.
Références :
https://www.aisi.gov.uk/blog/how-far-behind-the-frontier-are-leading-open-weight-models-on-cyber
https://github.com/mas-bandwidth/patreon/blob/main/BUGS.md
https://www.patreon.com/MasBandwidth/posts/important-news-164199395
Cet article provient du compte public WeChat « 新智元 », auteur : ASI Revelation ; éditeur : Mark
Avertissement : Les informations fournies dans cet article ne constituent pas des conseils de trading. BlockWeeks.com décline toute responsabilité pour les investissements effectués sur la base des informations fournies ici. Nous recommandons fortement de mener des recherches indépendantes ou de consulter des professionnels qualifiés avant de prendre toute décision d'investissement.
