Cogent AI发布VR-1：首个企业攻击路径推演模型提升防御智能

产品概览

Cogent AI团队在本周正式发布VR-1，这是一款专门为企业级网络安全场景后训练的前沿推理模型。与传统大模型不同，VR-1的训练目标聚焦于攻击路径的组合与验证，而非仅仅发现单一漏洞。发布同时伴随两款配套工具：

IntrusionBench：针对完整企业入侵任务的评估基准，要求模型实际达成目标并提供可检查证据。
Cogent AI Harness：受治理的运行时环境，提供策略控制、审计日志以及与企业安全系统的安全集成。

关键特性

多域推演：在云、身份、CI/CD、SaaS等跨系统环境中自动生成攻击链。
信息不完备下的调查：支持黑盒、灰盒、白盒三种信息设定，能够在仅有 foothold 与目标的情况下进行推理。
证据编排与验证：模型不仅给出攻击思路，还会在实际环境中执行并返回可验证的日志与结果。
容错恢复：遇到死路时能够主动改换路径，而非盲目重试。
执行时限：单次推演受两小时或250次 agent 步骤的上限约束，保证资源可控。

基准表现

Cogent在公开的IntrusionBench上将VR-1与Kimi K3、Claude Opus 4.8、GLM‑5.2进行对比。结果显示：

攻击路径发现率约为对手的两倍，且成本仅为四分之一（基于黑盒 pass@3 指标）。
在白盒设置下，三款对手模型的表现趋于一致，说明VR-1的优势主要来源于路径发现能力而非单纯的利用技巧。
VR-1的黑盒成功率仍低于30%，官方将此标记为初步数据，后续仍有提升空间。

值得注意的是，VR-1未在浏览器利用、二进制利用或零日发现等细分领域进行评测，且未与Anthropic的Mythos模型直接对标。

市场定位与可用性

VR-1面向大型企业（约 Fortune 2000 及以上）以及政府、国防部门，重点行业包括金融、医疗、SaaS、零售、通信和关键基础设施。模型本身不开放源码，也不提供权重下载，仅通过Cogent Frontier Access Program向经过审查的组织提供，配套严格的政策与审计机制。

业界意义

VR-1是首个明确以企业攻击链组合为核心任务进行后训练的模型，标志着安全领域从“漏洞发现”向“全链路推演”迈出关键一步。随着OpenAI等大模型安全风险频发，防御方亟需同等层次的推理能力。Cogent的做法展示了通过专用基准与受治理运行时，将生成式AI安全化的可行路径。未来，若在更广泛的攻击面（如浏览器、二进制）实现同等表现，VR-1或将成为企业安全技术栈的重要组成部分。