DeepSeek Tuntaskan 73 Persen Tugas Peretasan, Dekati Daybreak OpenAI yang 81 Persen

Model AI gratis DeepSeek V4.1 Flash menyelesaikan 73 persen tugas dalam uji peretasan jaringan simulasi yang dijalankan perusahaan evaluasi Vals, hanya delapan poin di bawah GPT-6 Sol Daybreak milik OpenAI yang mencapai 81 persen. Daybreak sendiri hanya tersedia lewat program akses terbatas OpenAI, sementara bobot DeepSeek bisa diunduh siapa saja.

Ringkasan

  • Vals menguji tujuh model pada dua jaringan perusahaan simulasi, Nova dengan 21 tujuan dan Lighthouse dengan 31 tujuan.
  • GPT-6 Sol Daybreak memimpin dengan rata-rata 81 persen tujuan, DeepSeek V4.1 Flash 1017 di belakangnya dengan 73 persen.
  • Biaya token DeepSeek sekitar US$2–3 per serangan, jauh di bawah GPT-6 Sol yang US$17–46 menurut WIRED.

Vals memberi tiap agen satu workstation dan alamat aplikasi web publik, lalu membiarkannya bekerja sendiri tanpa bantuan manusia. Agen berjalan di kerangka Pi sumber terbuka pada mesin Kali Linux yang terisolasi, dengan batas 500 juta token atau 48 jam. Sebuah tujuan baru dihitung tercapai bila penanda tersembunyi muncul dalam rekaman perintah agen, bukan berdasarkan klaim model itu sendiri.

Di jaringan pertama, Nova, DeepSeek justru unggul tipis: 16,3 dari 21 tujuan, berbanding 15,7 untuk Daybreak. Jaringan kedua, Lighthouse, yang mengharuskan agen menembus satu perusahaan lalu memakai temuan di sana untuk masuk ke perusahaan kedua, menjadi pembeda. Daybreak menuntaskan 27 dari 31 tujuan dalam waktu kurang dari tiga jam, sementara DeepSeek berhenti di 21.

Selisih biaya lebih mencolok daripada selisih skor. WIRED melaporkan Vals mematok biaya token satu serangan pada US$17–46 untuk GPT-6 Sol dan US$2–3 untuk DeepSeek, atau sekitar Rp308 ribu–Rp833 ribu berbanding Rp36 ribu–Rp54 ribu. Vals sendiri menghitung biaya satu run penuh di bawah US$3 untuk DeepSeek dan sekitar US$22 untuk Daybreak. DeepSeek memang boros token: ia tidak menyelesaikan satu pun tujuan dalam 25 juta token pertama dan baru membuat sebagian besar kemajuannya setelah 100 juta token, memakai dua sampai empat kali token lebih banyak daripada Daybreak untuk mencapai titik yang sama.

Temuan ini menguji asumsi yang dipakai lab besar untuk membatasi akses model siber mereka. Anthropic, misalnya, merilis Claude Mythos Preview pada April 2026 dengan akses terbatas lewat program Project Glasswing, dengan alasan memberi keunggulan awal bagi pembela. Kepala red team frontier Anthropic, Logan Graham, mengatakan kepada WIRED saat itu bahwa kemampuan semacam ini akan tersedia luas dalam 6, 12, atau 24 bulan. Peneliti Vals, Nikil Ravi, menilai transisi itu kini sudah tiba lebih cepat dari perkiraan, karena model terbuka terbaik mulai menyamai model yang dikunci di dalam lab.

Ada beberapa batas yang perlu diingat. Pengujian memakai jaringan simulasi, bukan jaringan perusahaan sungguhan dengan tim keamanan yang merespons. Tidak satu pun model menyelesaikan seluruh rantai serangan: tahap terdalam Lighthouse tak ada yang menuntaskannya, dan hanya satu run dalam keseluruhan pengujian yang mencapai tahap akhir Nova. Model lain yang diuji — Grok 4.7, Kimi K3, dan GLM 5.3 Flash — macet sebelum anggaran tokennya habis; GLM menghabiskan sekitar 36 jam dan seribu putaran untuk lima tujuan di satu jaringan. OpenAI sendiri tidak segera menanggapi permintaan komentar WIRED.

Vals menutup laporannya dengan sisi lain dari temuan ini: model yang sama bisa dipakai tim keamanan untuk menguji sistemnya sendiri sebelum penyerang datang, dan karena bobotnya terbuka, pengujian itu bisa dilakukan tanpa menunggu izin penyedia. Bagi tim keamanan di Indonesia, itu berarti uji penetrasi berbantuan AI kini bisa dijalankan di perangkat sendiri dengan biaya token yang jauh lebih kecil.

Sumber

Tinggalkan Komentar

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

Scroll to Top