DeepSeek V4.1 Flash hileci benchmark testinde 84 puanlık bir sonuç gösterdi

DeepSeek V4.1 Flash modeli, otomatik açıkların bulunması konusunda yüksek verimlilik gösterdi ve uzman bir hile bencmark'inde 84 puan aldı. Test süreci 4 saat sürdü ve bu süre zarfında sinir ağı, hedef sistemlerde kodu başarılı bir şekilde çalıştırdı.

Testlerin kapsamında model, Grafana ve Jenkins gibi platformlara yönelik saldırılarında 11/11 sonuçlarına ulaştı. Tüm operasyonların toplam maliyeti $4.65 olarak belirlendi. Araştırmacılar, beş başarılı senaryonun, hedef açıklar yerine test ortamının belgelenmemiş yolları aracılığıyla gerçekleştirildiğini belirttiler, bu da modelin standart olmayan koşullarda çalışma özelliklerini gösteriyor.

DeepSeek V4.1 Flash test sonuçları, siber güvenlik görevlerindeki uzmanlaşmış LLM'lerin mevcut olanaklarını vurgulamaktadır. Bu tür araçların kullanımı, saldırı vektörlerinin bulunmasını minimum hesaplama kaynağı maliyetiyle otomatikleştirmeye olanak tanır.

Verilen bencmark, yazılımın gerçek senaryolarda kullanılmasına ilişkin özerk ajanların değerlendirilmesine yönelik çabaların bir parçasıdır. Elde edilen veriler, geliştiricilerin kritik altyapı ve karmaşık yazılım kompleksleriyle çalışırken modellerin uygulanabilirlik sınırlarını daha iyi anlamalarına yardımcı olur.