Ücretsiz DeepSeek modeli, OpenAI’ın kısıtlı siber güvenlik erişimine yaklaştı

Google’da Konsol Köşesi’ni tercih edilen kaynak yap

Yapay zekâ modellerinin siber güvenlik alanındaki yetenekleri hızla gelişirken, Vals AI tarafından yayımlanan yeni bir değerlendirme dikkat çekici bir tablo ortaya koydu.

Vals AI’ın CyberOffense isimli benchmark testinde, açık ağırlıklı DeepSeek V4.1 Flash 1017 modeli, iki farklı simüle edilmiş kurumsal ağ üzerinde yürütülen saldırı senaryolarında güçlü bir performans gösterdi.

Testin genelinde en başarılı sonuç, OpenAI’ın doğrulanmış siber güvenlik kullanıcılarına sunduğu Daybreak erişimi altında çalışan GPT-6 Sol modelinden geldi. Ancak DeepSeek’in buna oldukça yaklaşması, özellikle açık ağırlıklı modellerin siber güvenlik açısından ulaştığı seviyeyi yeniden gündeme taşıdı.

Yapay zekâ modelleri şirket ağlarına tek başına saldırdı

Vals AI’ın testi klasik, kısa süreli siber güvenlik sorularından farklı şekilde tasarlandı.

Modellerin önüne tek bir güvenlik açığı veya Capture the Flag görevi koymak yerine, gerçek bir şirket altyapısını taklit eden iki ayrı siber poligon oluşturuldu.

Bunlardan ilki Nova adını taşıyor. Nova, birbirine bağlı Active Directory alanlarından oluşan büyük bir kurumsal ağı simüle ediyor ve toplam 21 hedef içeriyor.

İkinci ortam olan Lighthouse ise daha karmaşık bir senaryoya sahip. Burada yapay zekâ ajanının önce bir şirket ağına sızması, yönetici yetkileri elde etmesi ve topladığı bilgileri kullanarak tamamen ayrı durumdaki ikinci şirket ağına geçmesi gerekiyor.

Lighthouse senaryosunda toplam 31 hedef bulunuyor.

Modeller; web uygulamalarına erişim, yetki yükseltme, kimlik bilgileri toplama, makineler arasında ilerleme ve simüle edilmiş oltalama işlemleri gibi uzun saldırı zincirlerini insan yardımı olmadan yürütmek zorundaydı.

Her model için 48 saate kadar süre verildi

Her test çalıştırmasında siber poligonun sıfırdan yeni bir kopyası oluşturuldu.

Yapay zekâ ajanlarına görevi tamamlamaları için 48 saate kadar süre ve belirli bir işlem/token bütçesi tanındı.

Vals AI ayrıca modellerin yalnızca “hedefi ele geçirdim” şeklindeki beyanlarını kabul etmedi.

Her hedef sisteme, yalnızca gerçekten erişim sağlandığında okunabilen gizli işaretler yerleştirildi. Bir hedef ancak model bu işarete ulaştığında başarılı kabul edildi.

Bu yöntem, yapay zekâ modellerinin kendi başarılarını yanlış raporlaması veya halüsinasyon üretmesi ihtimalini önemli ölçüde azaltıyor.

DeepSeek, Nova testinde GPT-6 Sol’u geçti

Sonuçların en dikkat çekici bölümü Nova ağı oldu.

Üç çalıştırmanın ortalamasında:

Model	Nova	Lighthouse	Yaklaşık genel başarı
GPT-6 Sol + Daybreak	15,7 / 21	27 / 31	%81
DeepSeek V4.1 Flash 1017	16,3 / 21	21 / 31	%73
Kimi K3.1 Pro	13 / 21	20 / 31	%63
Meta Wonder	7 / 21	28 / 31	%62
Grok 4.7	12 / 21	16 / 31	%54
Kimi K3	9 / 21	10 / 31	%38
GLM 5.3 Flash	5 / 21	5 / 31	%20

DeepSeek V4.1 Flash 1017, Nova’da ortalama 16,3 hedefe ulaşarak GPT-6 Sol’un 15,7 hedeflik ortalamasını az farkla geride bıraktı.

Daha uzun ve karmaşık saldırı zincirlerinin bulunduğu Lighthouse’da ise tablo değişti.

GPT-6 Sol, 31 hedefin 27’sine ulaşırken DeepSeek 21 hedefte kaldı.

İki ağ eşit ağırlıklandırıldığında Vals AI, GPT-6 Sol Daybreak yapılandırmasını yaklaşık yüzde 81, DeepSeek’i ise yaklaşık yüzde 73 seviyesinde değerlendiriyor.

En dikkat çekici fark maliyette ortaya çıktı

DeepSeek’in performansı kadar maliyeti de dikkat çekiyor.

Vals AI’ın yayımladığı verilere göre DeepSeek, Nova testindeki bir çalıştırmayı 3 doların altında tamamladı.

Daybreak erişimiyle çalışan GPT-6 Sol için aynı testin maliyeti yaklaşık 22 dolar seviyesindeydi.

Başka bir ifadeyle açık ağırlıklı DeepSeek modeli, bazı saldırı senaryolarında benzer performansa yaklaşık onda bir maliyetle ulaşabildi.

Bu fark, özellikle uzun süre çalıştırılan otonom yapay zekâ ajanları açısından önemli.

DeepSeek’in test sırasında GPT-6 Sol’a kıyasla daha fazla token tükettiği belirtiliyor. Buna rağmen modelin token maliyetinin düşük olması, toplam harcamanın oldukça sınırlı kalmasını sağladı.

DeepSeek uzun süre çalıştıkça daha başarılı oldu

Vals AI’ın analizinde dikkat çeken bir başka nokta, modellerin ne kadar süre çalıştırıldığı.

DeepSeek V4.1 Flash 1017, ilk aşamalarda görece yavaş ilerledi. Model, ilerlemesinin önemli bölümünü 100 milyon tokenın ardından gerçekleştirdi.

Vals AI’a göre bu durum, kısa süreli benchmark testlerinin bazı modellerin gerçek yeteneklerini olduğundan düşük gösterebileceği anlamına geliyor.

GPT-6 Sol ise aynı görevlerde çok daha hızlı ilerledi. Lighthouse üzerinde ilk 100 milyon token içerisinde 31 hedefin 25’ine ulaşmayı başardı.

Dolayısıyla DeepSeek benzer hedeflere yaklaşabiliyor olsa da verimlilik açısından GPT-6 Sol hâlâ önemli bir avantaja sahip.

Açık ağırlıklı modeller neden tartışılıyor?

DeepSeek V4.1 Flash 1017’nin en önemli özelliklerinden biri açık ağırlıklı bir model olması.

Bir modelin ağırlıklarının yayımlanması, kullanıcıların modeli kendi donanımlarında veya kendi sunucularında çalıştırabilmesini mümkün kılıyor.

Bu yapı araştırmacılar, geliştiriciler ve güvenlik ekipleri açısından önemli avantajlar sunuyor. Ancak aynı zamanda model sağlayıcısının kullanım üzerinde merkezi denetim kurmasını da zorlaştırıyor.

Vals AI özellikle bu noktaya dikkat çekiyor.

Bir açık ağırlıklı model indirildikten sonra model geliştiricisinin, sistemin hangi amaçlarla kullanıldığını izlemesi veya kötüye kullanımı merkezi olarak durdurması mümkün olmayabiliyor.

OpenAI neden Daybreak erişimini kısıtlıyor?

OpenAI’ın Daybreak programı, gelişmiş siber güvenlik yeteneklerinin doğrulanmış kullanıcılara sunulmasını amaçlıyor.

Şirketin resmi belgelerine göre Daybreak Blue ve Daybreak Red olmak üzere farklı erişim seviyeleri bulunuyor.

Daybreak Blue; güvenlik açığı analizi, zararlı yazılım inceleme, olay müdahalesi ve savunma gibi kullanım alanlarına odaklanıyor.

Daybreak Red ise yetkili sızma testleri, kırmızı takım çalışmaları, exploit doğrulama ve kontrollü güvenlik araştırmaları gibi daha gelişmiş senaryolar için ek doğrulama ve erişim kontrolleri gerektiriyor.

OpenAI ayrıca Daybreak altında kullanılan modellerde tüm güvenlik önlemlerinin kaldırılmadığını, yalnızca doğrulanmış ve yetkilendirilmiş çalışmalar için gereksiz reddetmelerin azaltıldığını özellikle belirtiyor.

Bu nedenle Vals AI’ın tablosunda kullanılan “GPT-6 Sol Daybreak” ifadesini ayrı bir GPT-6 Sol modeli olarak düşünmemek gerekiyor. Test, GPT-6 Sol’un Daybreak kapsamında daha düşük siber güvenlik reddetme oranlarıyla çalışan yapılandırmasını ifade ediyor.

Meta Wonder bir testte herkesi geçti

Benchmark sonuçları diğer modeller arasında da önemli farklılıklar olduğunu gösteriyor.

Meta’nın Wonder modeli, Lighthouse testinde 31 hedeften 28’ine ulaşarak GPT-6 Sol’un 27 hedeflik sonucunu bile geçti.

Ancak aynı model Nova’da yalnızca 7 hedef tamamlayabildi.

Bu sıra dışı fark, tek bir benchmark sonucuna bakarak bir yapay zekâ modelinin genel siber güvenlik yeteneğini değerlendirmeyi zorlaştırıyor.

Kimi K3.1 Pro iki testte sırasıyla 13 ve 20 hedefe ulaşırken Grok 4.7, 12 ve 16 hedef tamamladı.

Vals AI ayrıca Grok 4.7, Kimi K3 ve GLM 5.3 Flash modellerinin kendilerine verilen hesaplama bütçesini tamamen tüketmeden ilerlemeyi bıraktığını belirtiyor.

Henüz hiçbir model saldırı zincirinin tamamını bitiremedi

Sonuçlar yapay zekâ modellerinin ne kadar ilerlediğini gösterse de mevcut sistemler henüz kusursuz değil.

Lighthouse senaryosunda test edilen hiçbir model son hedeflerin tamamına ulaşamadı.

Nova’da ise yalnızca tek bir çalıştırma saldırı zincirinin son aşamasına kadar ilerleyebildi.

Bu nedenle sonuçları, yapay zekânın bugün herhangi bir kurumsal ağı tamamen otomatik biçimde ele geçirebildiği şeklinde yorumlamak doğru olmaz.

Buna karşılık modellerin saatler boyunca insan yardımı olmadan hareket edebilmesi, yeni hedefler keşfetmesi, parolalar toplaması ve ağlar arasında ilerleyebilmesi siber güvenlik dünyası açısından önemli bir gelişme.

DeepSeek’in saldırılarda kullanıldığı gerçek örnekler de var

Konu yalnızca laboratuvar testleriyle sınırlı değil.

Censys’in Kasım 2026’da yayımladığı ARTEX araştırmasına göre CrowdStrike, Güney Kore’deki finans kuruluşlarını hedef alan bir saldırı kampanyasında açık kaynaklı otonom sızma testi aracı ARTEX’in kullanıldığını tespit etti.

İncelenen ARTEX yapılandırmasında DeepSeek v4.1-flash ana yapay zekâ modeli olarak görev yapıyordu. Saldırganın ayrıca GLM ve Grok modellerini farklı Claude Code oturumlarında kullandığı bildirildi.

CrowdStrike, operasyonun arkasındaki kişiyi veya grubu kesin şekilde isimlendirmedi. Ancak saldırganın Çince konuşan ve finansal motivasyona sahip bir aktör olabileceğini orta düzey güvenle değerlendirdi.

Bu olay, gelişmiş yapay zekâ araçlarının kötü niyetli operasyonlarda kullanılmasının yalnızca teorik bir risk olmadığını gösteriyor.

Aynı teknoloji savunma tarafında da büyük fırsat sunuyor

Otonom yapay zekâ ajanlarının saldırı yeteneklerindeki gelişim doğal olarak güvenlik endişelerini artırıyor.

Ancak teknolojinin tek kullanım alanı saldırı değil.

Aynı modeller şirketlerin kendi ağlarını otomatik olarak test etmek, yanlış yapılandırmaları tespit etmek, güvenlik açıklarını bulmak ve saldırganlardan önce kapatmak için de kullanılabiliyor.

Vals AI da bu nedenle mevcut dönemi savunma ekipleri açısından önemli bir fırsat olarak değerlendiriyor.

DeepSeek V4.1 Flash gibi düşük maliyetli açık modellerin gelişmesi, gelişmiş siber güvenlik testlerinin yalnızca büyük şirketlerin erişebildiği pahalı sistemler olmaktan çıkmasını sağlayabilir.

Ancak aynı erişilebilirlik, saldırganların da benzer araçlara düşük maliyetle ulaşabilmesi anlamına geliyor.

Yapay zekâ dünyasında yaşanan performans yarışı böylece yalnızca kodlama, matematik veya içerik üretimiyle sınırlı kalmıyor. Önümüzdeki dönemin en kritik rekabet alanlarından birinin otonom siber güvenlik ajanları olması giderek daha olası görünüyor.