Sicherheits-KI: Wiz Atlas übertrifft GPT-5.5 und Mythos – dank clevere Teamarbeit statt einem Super-Modell

Was Project Atlas erreicht hat

Benchmark-Führung. Atlas erzielte 90,9% auf CyberGym, einem öffentlichen Benchmark, der die Fähigkeit von KI-Agenten misst, reale Schwachstellen in 1.507 Aufgaben aus 188 Open-Source-Softwareprojekten zu reproduzieren und zu entdecken . Zum Vergleich: Die besten Einzelmodell-Systeme – GPT-5.5 Cyber (85,6%) und Anthropics Mythos (83%) – liegen 5 bis 8 Prozentpunkte zurück . Selbst Microsofts MDASH-System, das im Mai 2026 mit über 100 spezialisierten Agenten 88,45% erreichte, wurde übertroffen .

Über 200 Zero-Day-Entdeckungen. In eigenen Tests deckte Atlas mehr als 200 bisher unbekannte Schwachstellen in weit verbreiteten Open-Source-Projekten auf, die jahrelang intensiv getestet und auditiert worden waren, darunter der Linux-Kernel, Kubernetes, gVisor, containerd und dnsmasq . Entscheidend ist, dass jeder Fund vom agentischen System Ende-zu-Ende autonom validiert wurde – es ging über modellgenerierte Vermutungen hinaus hin zu reproduzierbaren Beweisen für ein echtes Sicherheitsproblem .

CVE-2026-3854 – kritische GitHub-RCE. Eine frühe Version von Atlas identifizierte eine kritische Schwachstelle zur Codeausführung aus der Ferne in GitHub's interner Git-Infrastruktur (CVE-2026-3854, CVSS 8.8) . Der Fehler erlaubte jedem authentifizierten Benutzer mit Push-Zugriff, mit einem einzigen git push-Befehl beliebige Befehle auf den Backend-Servern von GitHub auszuführen und gewährte vollständigen Lese-/Schreibzugriff auf private Repositories . Wiz meldete dies am 4. März 2026 über das Bug-Bounty-Programm an GitHub . GitHub reproduzierte das Problem in 40 Minuten, stellte innerhalb von zwei Stunden einen Fix für github.com bereit und bestätigte, dass es keine Ausnutzung in freier Wildbahn gab .

100.000 Dollar Bounty. GitHub zahlte eine Bounty von 100.000 Dollar für den Fund – eine der höchsten Auszahlungen in der Geschichte des Programms, wobei Wiz‘ Gesamtbelohnung möglicherweise über die vor Juli 2026 geltenden Tarife strukturiert wurde, bevor das öffentliche Programm gekürzt wurde .

Multi-Agenten-Architektur vs. Einzelmodell-Systeme

Dies ist die Kernaussage zur Architektur. Atlas ist kein einzelnes KI-Modell – es ist ein Multi-Modell-, agentisches System . So unterscheidet es sich vom Einzelmodell-Ansatz, den GPT-5.5 Cyber und Mythos verwenden:

Wiz argumentiert, dass die Systemarchitektur wichtiger ist als die rohe Modellfähigkeit – Atlas schlug GPT-5.5 Cyber und Mythos nicht durch ein besseres Basismodell, sondern durch die intelligente Kombination mehrerer Modelle und Agenten mit engen Verifizierungsschleifen .

Wie die Multi-Agenten-Verlagerung im Jahr 2026 stattfand

Der Zeitplan des KI-Sicherheitswettlaufs zeigt einen klaren Trend von der Einzelmodell-Dominanz zur Multi-Agenten-Überlegenheit:

• Anfang bis Mitte 2026: Eskalation der Einzelmodelle. OpenAI veröffentlichte im Juni 2026 die vollständige GPT-5.5-Cyber (85,6% auf CyberGym) im Rahmen seines Daybreak-Verteidigungsprogramms . Auch Anthropics Claude Mythos Preview erzielte hohe Werte, was Forscher des britischen AISI und von Palo Alto Networks veranlasste, zu warnen, dass Modelle "autonome Hacking-Benchmarks übertroffen" hätten .

• Mai 2026: Multi-Agent beweist sein Potenzial. Microsofts MDASH-System (über 100 spezialisierte Agenten, 88,45% auf CyberGym) zeigte, dass Multi-Agenten-Systeme Einzelmodelle übertreffen können .

• Juli 2026: Multi-Agent gewinnt. Wiz‘ Atlas (90,9%) übertraf beide und bewies, dass die Orchestrierung mehrerer Grenzmodelle jedes einzelne Modell übertrifft .

Breitere Implikationen: Schwachstellenentdeckung und Bounty-Ökonomie

Die Kombination von KI-Agenten mit systematischem Fuzzing, statischer Analyse und Code-Review produziert Zero-Days in beispiellosem Umfang – Atlas allein fand über 200 Schwachstellen in intensiv geprüftem Open-Source-Code . Diese Flut von KI-entdeckten Fehlern setzt die Wirtschaftlichkeit von Offenlegungsprogrammen unter Druck. GitHub kürzte am 27. Juli 2026 seine öffentlichen Bug-Bounty-Zahlungen um mindestens die Hälfte (kritische Funde fielen von 20.000–30.000+ Dollar auf feste 10.000 Dollar), während die einladungsbasierte VIP-Stufe weiterhin 30.000+ Dollar zahlt . Meldungen, die vor diesem Datum eingereicht wurden, einschließlich der von Atlas entdeckten CVE-2026-3854, behielten die bisherigen Zahlungsbedingungen .

Fazit

Wiz‘ Project Atlas ist der aktuelle Stand der Technik in der KI-Schwachstellenforschung – nicht weil es ein besseres Modell verwendet, sondern weil seine Multi-Agenten-, Multi-Modell-Architektur mit unabhängiger Verifizierung Einzelmodell-Systeme mit deutlichem Abstand schlägt (90,9% vs. 85,6% und 83%). Dies spiegelt einen breiteren Wandel in der KI-Sicherheitslandschaft wider: Weg von der Frage "Welches Modell ist das beste?" hin zu "Wie orchestriert man Modelle effektiv?" Wie Wiz und Google klarstellen, wird der siegreiche Ansatz im KI-Sicherheitswettlauf kein einzelnes Super-Modell sein, sondern Systeme, die Modelle, menschliche Expertise und strenge Verifizierungspipelines kombinieren .