Vals：DeepSeek V4.1 Flash 1017 在模拟入侵任务上超过 GPT-6 Sol

Vals 通过 Pi 终端 Agent harness，让模型持基础设施凭证在模拟企业网中推进入侵目标，直到自认无更多有用动作。DeepSeek 与 Sol 各跑三轮新鲜环境取平均，其余模型为单轮。Sol 走 OpenAI Daybreak 受信访问（可显著降低进攻类任务拒答），因此这是「开源权重 vs 降拒答闭源档」的对比，而非默认公网 API 对打。

厂商称 DeepSeek 吃更多 token，但按公开价 $0.30/$1.20 每百万输入/输出，总成本仍远低于 Sol 的 $2/$10。公开 CyberBench v1.1（找洞与打补丁）上 Sol 仍以 77.98% 略胜 DeepSeek 的 73.69%，且本场景的评分细则、环境镜像与完整日志尚未公开；Vals 表示数周内会放出更完整评测。解读宜收窄为「单任务初步信号」，勿外推成全面碾压。