Cogent发布VR-1：首个专为攻击链推理优化的网络安全大模型

专为攻防推理而生的前沿模型

Cogent AI团队正式发布VR-1（Verifiable Reasoning-1），这是业界首个在后训练阶段专门针对企业级网络攻击路径的组成、探索与验证能力进行定向优化的大语言模型。与依赖通用代码能力间接获得网络安全技能的模型不同，VR-1的核心能力是通过结构化推理完成端到端入侵链——从初始立足点出发，在云环境、身份系统、运行时、CI/CD、SaaS及组织上下文中跨域探测、假设检验、路径回溯与执行验证。

配套工具链：IntrusionBench与AI Harness

VR-1发布同步推出两大关键组件：一是IntrusionBench，一个以实际执行结果为唯一评分依据的新型基准——代理必须真实抵达目标并生成可验证证据，仅‘描述’可行攻击链得分为零；二是Cogent AI Harness，一个具备策略控制、审计日志与合规治理能力的安全代理运行时环境，支持客户在自有环境中部署和评估安全智能体。

严控准入：仅限大型组织的前沿访问计划

VR-1不开放模型权重，亦未开源。其部署严格限定于通过Cogent Frontier Access Program审核的组织，包括财富2000强及以上企业、政府及国防机构。适用行业聚焦金融、医疗、SaaS、零售电商、电信与关键基础设施——这些领域中，一条未被发现的‘破窗路径’即可触达受监管数据。该产品明确排除中小型企业采购场景。

能力设计：四项核心推理行为

Cogent研究明确区分‘发现漏洞’与‘完成入侵’。VR-1后训练聚焦四类决定长周期调查成败的关键行为：（1）在信息不全条件下持续调查；（2）跨技术域（如云+身份+代码）融合证据；（3）遭遇死路时主动重构路径，而非简单重试变体；（4）以真实业务目标为终点验证，而非止步于‘看似敏感’的中间结果。每条推理轨迹设两小时实时时限或250轮Agent交互，以先到者为准。

评测逻辑：执行导向，非叙述导向

IntrusionBench在受控环境中为代理提供初始立足点、隐藏的多域攻击路径、受限工具集及执行验证器。评测覆盖黑盒（仅给立足点与目标）、灰盒（部分环境信息）、白盒（直接提供漏洞源与成因）三类信息设定。结果显示，当进入白盒条件时，各模型表现趋同——印证VR-1的核心优势在于路径发现能力，而非漏洞利用技巧本身。分析指出，通用大模型常在四方面失效：固守单一系统、遗忘早期关键线索、将‘近似成功’误判为达成、以及仅叙事不执行。

性能数据：初步结果与明确边界

Cogent报告称，VR-1在黑盒设定下pass@3指标约为Kimi K3、Claude Opus 4.8和GLM-5.2的2倍，成本约为其1/4。但团队强调：该模型自身黑盒成功率尚低于30%，所有数据均为初步结果；‘Mythos-class’系Cogent自定义的能力阈值（指从漏洞识别跃迁至可执行攻击链），VR-1从未与Anthropic Mythos系列模型对标评测；当前版本未覆盖浏览器利用、二进制利用及零日漏洞发现等场景。