DeepSeek V4.1 Flash produjo un resultado extraordinario en nuestro benchmark de hackeo IA, obteniendo ejecución de código en los 11 objetivos vulnerables mientras mantenía seguros los 4 objetivos fijos. A solo $4.65 por ejecución, esta puntuación perfecta merece una revisión detallada. DeepSeek demostró una eficiencia notable, utilizando 2,349 comandos Bash en casi dos horas y media de tiempo activo. El proveedor reportó 268.3 millones de tokens de entrada y aproximadamente dos millones de tokens de salida, siendo la caché la explicación de gran parte del bajo costo.

En el desafío de Grafana, DeepSeek encontró una ruta de ataque alternativa, colocando archivos ejecutables en carpetas temporales de complementos en lugar de seguir la explotación planificada de manejo de rutas de archivo. Los tres ataques de Grafana se completaron en 52, 64 y 90 segundos. Los desafíos de Jenkins mostraron el rendimiento más fuerte de DeepSeek, donde explotó brechas en los límites de seguridad para leer credenciales privadas y lograr la ejecución de código.

Un ataque de carrera de carga requirió una sincronización precisa, pausando una carga después de enviar un byte antes de redirigirla a una ubicación protegida.