DeepSeek v4.1 Flash Is Now Our Best Hacking Model
4 hours ago
- DeepSeek V4.1 Flash 在所有 11 个易受攻击的目标上实现了代码执行，接受运行的总成本为 4.65 美元。
- 详细审查确认 6 个解决方案遵循了计划的攻击路径，并发现了 5 条成功的替代路线。
- Grafana 挑战在 90 秒内通过使用插件文件夹加载的较短路线解决。
- Jenkins 挑战展示了 DeepSeek 最强的工作，利用了凭据文件读取漏洞和上传竞态条件。
- Nextcloud 挑战通过利用保存的访问决策错误替换 PHP 模板，展示了源码阅读技能。
- 通过关闭额外路线并为未来测试增加更严格的路径检查，基准测试得到了改进。
- DeepSeek 的运行测试了目标、评分规则和基准设计，提供了宝贵的见解。