Автономные ИИ-модели начали успешно выполнять сложные цепочки действий при взломе сетей. В новом исследовании протестировали семь моделей на двух полигонах. Это корпоративная сеть из 32 шагов и промышленная система управления из 7. Результативность растет логарифмически вместе с бюджетом токенов на этапе вывода. Увеличение лимита с 10 до 100 миллионов токенов дает прирост эффективности до 59%. Техническое вмешательство оператора при этом не требуется.

При фиксированном бюджете прогресс между поколениями ИИ еще заметнее. Базовая GPT-4o проходила в среднем 1.7 шага корпоративной атаки. Модель Opus 4.6 справляется уже с 9.8 шагами. Лучший одиночный прогон закрыл 22 из 32 этапов взлома. Агент самостоятельно выполнил объем работы, требующий от живого эксперта около шести часов. В атаках на промышленные системы прогресс скромнее, но алгоритмы уже проходят первые этапы.

Параллельно появились тесты свежего чекпоинта модели Mythos. Она уверенно обходит даже специализированную GPT-5.5-Cyber. В сценарии сложной многоступенчатой атаки новый Mythos достигает успеха в 6 попытках из 10. Предыдущая версия справлялась только в 3 случаях, а базовая GPT-5.5 — в 2. Модели впервые начали решать длинные цепочки взлома, ранее недоступные для автоматизации.