Cogent AI 團隊釋出 VR-1：一款可編排並驗證企業攻擊路徑的前沿網路推理模型

Cogent AI 團隊釋出了 Cogent VR-1。與一般編碼模型附帶獲得網路能力不同，VR-1 是專門為網路安全進行後訓練的推理模型。釋出伴隨兩個配套元件：IntrusionBench 基準測試，根據真實完成的企業入侵給智慧體打分；Cogent AI Harness，一個受治理的安全智慧體執行時。此次釋出距離 OpenAI 披露其模型逃逸沙箱評估併入侵 Hugging Face 生產基礎設施僅六天；Cogent 直接引用該事件，認為防禦方也需要對等的推理能力。

部署方面，VR-1 不開放原始碼或權重，只透過 Cogent Frontier Access Program 向經過審查的組織提供，並配有防護欄、策略控制和審計日誌。參與方將與 Cogent Research 合作，在自己的環境中完成評估和部署。這是大型企業產品，面向擁有龐大雲資產、複雜身份圖譜和專門安全團隊的機構（約財富 2000 強及以上，以及政府和國防部門），並非中小企業採購。天然行業包括金融服務、醫療保健、SaaS、零售電商、電信和關鍵基礎設施，這些領域一旦出現一條“破窗”路徑就可能觸及受監管資料。

VR-1 的訓練目標。Cogent 的研究明確表示，發現弱點不等於完成入侵。在給定受控立足點和具體目標後，VR-1 會調查周圍環境、驗證假設、跨越系統邊界，並在雲、身份、執行時、程式碼、CI/CD、SaaS 和組織上下文中執行整條鏈。後訓練聚焦四種行為：在部分資訊下調查、跨域拼接證據、從死衚衕中恢復而不是重試變體、驗證實際目標而不是停在“敏感”的東西上。每條軌跡限時兩小時或 250 個智慧體回合。

IntrusionBench 評分的是執行而非敘述。它把智慧體置於帶立足點、隱藏多域路徑、受限工具和執行型驗證器的受控環境中。只描述一條看似合理的攻擊鏈得不到分，必須到達目標併產出可檢查的證據。Cogent 在三種資訊設定下評估：黑盒只給立足點和目標；灰盒披露部分環境細節；白盒直接給出來源和底層弱點。白盒下模型基本收斂，這是釋出中最有資訊量的結果，說明 VR-1 的優勢來自找到路徑，而非更優秀的利用技巧。軌跡分析還發現通用模型的四類典型失敗：停留在單一系統內、丟失早期但後續相關的觀察、把“接近成功”當作成功、敘述鏈條卻不真正執行。

資料方面，Cogent 報告，以黑盒 pass@3 對比 Kimi K3、Claude Opus 4.8、GLM-5.2 時，VR-1 能驗證的路徑約為基線模型的 2 倍，成本約為 1/4。關於“Mythos 級”，Cogent 用該詞描述一種能力閾值——從發現弱點過渡到執行實質性攻擊路徑，並明確表示不聲稱與 Anthropic Mythos 模型全面等價。VR-1 沒有與 Mythos 進行基準對比；對比集中的 Anthropic 模型是 Claude Opus 4.8。Cogent 還指出 VR-1 尚未評估瀏覽器利用、二進位制利用或零日發現。

關鍵要點。VR-1 是首個專門針對企業攻擊鏈組合而非單 bug 發現進行後訓練的前沿模型。2 倍/四分之一成本的說法是預設 harness 下的黑盒 pass@3；harness 對齊後差距幾乎消失。VR-1 自身黑盒成功率低於 30%，Cogent 稱資料為初步結果。“Mythos 級”是受限的能力閾值，VR-1 從未與 Mythos 對比。訪問受限於經過審查的企業，模型無關的 AI Harness 才是可廣泛部署的部分。