Project Atlas di Wiz batte GPT-5.5 e Mythos: non un modello migliore, ma un'orchestra di IA

Il 27 luglio 2026, Wiz — l'azienda di sicurezza cloud acquisita da Google per 32 miliardi di dollari nel marzo 2026 — ha annunciato Project Atlas, un sistema autonomo e multi-modello di intelligenza artificiale per la ricerca di vulnerabilità . Il sistema ha raggiunto un tasso di successo del 90,9% sul benchmark CyberGym, classificandosi al 1° posto e superando sia Mythos di Anthropic (~83%) che GPT-5.5 Cyber di OpenAI (~85,6%) . Questo risultato segna una tappa fondamentale nella corsa agli armamenti della sicurezza basata sull'IA, non perché Atlas utilizzi un modello più potente, ma perché orchestra più modelli e agenti specializzati che lavorano in sinergia.

Cosa ha ottenuto Project Atlas

Leadership nei benchmark. Atlas ha ottenuto un punteggio del 90,9% su CyberGym, un benchmark pubblico che misura la capacità degli agenti IA di riprodurre e scoprire vulnerabilità reali in 1.507 compiti tratti da 188 progetti software open-source . Per dare un contesto, i migliori sistemi a modello singolo — GPT-5.5 Cyber (85,6%) e Mythos di Anthropic (83%) — sono indietro di 5-8 punti percentuali . Anche il sistema MDASH di Microsoft, che aveva utilizzato oltre 100 agenti specializzati per raggiungere l'88,45% nel maggio 2026, è stato superato .

Oltre 200 scoperte zero-day. Nei suoi test interni, Atlas ha scoperto più di 200 vulnerabilità precedentemente sconosciute in progetti open-source ampiamente utilizzati e sottoposti a fuzzing e audit per anni, tra cui il kernel Linux, Kubernetes, gVisor, containerd e dnsmasq . Ogni scoperta è stata convalidata autonomamente dall'intero sistema agentico, andando oltre il semplice sospetto generato dal modello per fornire una prova riproducibile di un problema di sicurezza reale .

CVE-2026-3854 — RCE critica su GitHub. Una versione iniziale di Atlas ha identificato una vulnerabilità critica di esecuzione remota di codice nell'infrastruttura git interna di GitHub (CVE-2026-3854, CVSS 8.8) . La falla permetteva a qualsiasi utente autenticato con accesso in push di eseguire comandi arbitrari sui server backend di GitHub con un singolo comando

git push

Premio da 100.000 dollari. GitHub ha assegnato un premio di 100.000 dollari per la scoperta — uno dei più alti nella storia del programma, anche se il compenso totale di Wiz potrebbe essere stato strutturato in base alle tariffe precedenti al luglio 2026, prima che il programma pubblico venisse tagliato .

Architettura multi-agente vs. sistemi a modello singolo

Questa è la vera novità architetturale. Atlas non è un singolo modello IA — è un sistema agenziale e multi-modello . Ecco come si differenzia dall'approccio a modello singolo utilizzato da GPT-5.5 Cyber e Mythos:

Dimensione	Project Atlas (multi-agente)	GPT-5.5 Cyber / Mythos (modello singolo)
Architettura	Orchestra molti agenti IA specializzati (sotto-agenti per analisi del codice, fuzzing, analisi statica, tracciamento delle dipendenze) che lavorano in parallelo	Un singolo grande modello linguistico addestrato per compiti cyber, che opera da solo
Diversità dei modelli	Combina più modelli all'avanguardia (ad es. Claude Opus 4.6 + GPT-5.5 nella sua esecuzione di qualificazione su CyberGym): sceglie il modello migliore per ogni sotto-compito	Legato a una famiglia di modelli e a un solo set di pesi
Flusso di lavoro	Ogni scoperta viene verificata in modo indipendente da un agente di verifica separato, eliminando virtualmente i falsi positivi	Output di un singolo modello, più difficile da auto-verificare
Scalabilità	Può eseguire centinaia di agenti su migliaia di obiettivi simultaneamente	Limitato dalla velocità di inferenza del singolo modello
Intuizione chiave	"La migliore architettura di modello per la ricerca di vulnerabilità non è un singolo modello, ma un team orchestrato di modelli con specializzazioni distinte"	L'approccio a modello singolo raggiunge un limite nei flussi di lavoro complessi a più fasi

Wiz sostiene che l'architettura del sistema conta più della potenza grezza del modello — Atlas ha battuto GPT-5.5 Cyber e Mythos non perché avesse un modello di base migliore, ma perché ha combinato intelligentemente più modelli e agenti con cicli di verifica rigorosi .

Come si è evoluto il cambiamento multi-agente nel 2026

La cronologia della corsa agli armamenti nella sicurezza basata sull'IA mostra una chiara traiettoria: dal dominio dei modelli singoli alla superiorità dei sistemi multi-agente:

• Inizio-metà 2026: Escalation dei modelli singoli. OpenAI ha rilasciato la versione completa di GPT-5.5-Cyber (85,6% su CyberGym) nel giugno 2026 come parte del suo programma di difesa Daybreak . Anche Claude Mythos Preview di Anthropic ha ottenuto punteggi elevati, spingendo i ricercatori dell'AISI britannico e di Palo Alto Networks a mettere in guardia sul fatto che i modelli avevano "superato i benchmark di hacking autonomo" .

• Maggio 2026: Il multi-agente dimostra il suo potenziale. Il sistema MDASH di Microsoft (oltre 100 agenti specializzati, 88,45% su CyberGym) ha mostrato che i sistemi multi-agente potevano superare i modelli singoli .

• Luglio 2026: Il multi-agente vince. Atlas di Wiz (90,9%) ha superato entrambi, dimostrando che l'orchestrazione di più modelli all'avanguardia supera qualsiasi modello singolo .

Implicazioni più ampie: scoperta di vulnerabilità ed economia dei bounty

La combinazione di agenti IA con fuzzing sistematico, analisi statica e revisione del codice sta producendo zero-day a un ritmo senza precedenti — solo Atlas ne ha trovati oltre 200 in codice open-source pesantemente controllato . Questo diluvio di bug scoperti dall'IA sta mettendo sotto pressione l'economia dei programmi di divulgazione delle vulnerabilità. GitHub ha tagliato i premi del suo bug bounty pubblico almeno della metà il 27 luglio 2026 (le scoperte critiche sono passate da 20.000-30.000 dollari+ a un fisso di 10.000 dollari), anche se il livello VIP su invito paga ancora 30.000 dollari+ . I report presentati prima di quella data, inclusa la CVE-2026-3854 scoperta da Atlas, hanno mantenuto i termini di pagamento precedenti .

In sintesi

Project Atlas di Wiz è attualmente lo stato dell'arte nella ricerca di vulnerabilità basata sull'IA — non perché usi un modello migliore, ma perché la sua architettura multi-agente e multi-modello con verifica indipendente batte i sistemi a modello singolo con un margine significativo (90,9% contro 85,6% e 83%). Questo riflette un cambiamento più ampio nel panorama della sicurezza IA: da "qual è il modello migliore" a "come orchestrarli efficacemente". Come affermano chiaramente Wiz e Google, l'approccio vincente nella corsa agli armamenti della sicurezza IA non sarà un singolo super-modello, ma sistemi che combinano modelli, competenze umane e pipeline di verifica rigorose .