Как Wiz Project Atlas обыграл GPT-5.5 и Mythos, создав команду ИИ-агентов

27 июля 2026 года компания Wiz — поставщик облачных решений, приобретённый Google за $32 миллиарда в марте 2026-го, — объявила о создании Project Atlas, автономной мультимодельной ИИ-системы для исследования уязвимостей . Система достигла 90,9% успешных результатов на бенчмарке CyberGym, заняв первую строчку рейтинга и опередив как Anthropic Mythos (~83%), так и OpenAI GPT-5.5 Cyber (~85,6%) . Это важнейшая веха в гонке ИИ-вооружений в области кибербезопасности — и секрет успеха Atlas не в более мощной модели, а в том, что она умело координирует работу нескольких моделей и специализированных агентов.

Чего добился Project Atlas

Лидерство в бенчмарке. Atlas набрал 90,9% на CyberGym — публичном тесте, который оценивает способность ИИ-агентов воспроизводить и находить реальные уязвимости . Для сравнения, лучшие одномодельные системы — GPT-5.5 Cyber (85,6%) и Anthropic Mythos (83%) — отстают на 5–8 процентных пунктов . Даже система Microsoft MDASH, использовавшая более 100 специализированных агентов и показавшая 88,45% в мае 2026 года, осталась позади .

Более 200 находок zero-day. В собственных тестах Atlas выявил более 200 ранее неизвестных уязвимостей в широко используемых open-source проектах, которые годами подвергались фаззингу и аудиту, включая ядро Linux, Kubernetes, gVisor, containerd и dnsmasq . Ключевой момент: каждая находка была полностью и автономно подтверждена системой, переходя от «подозрения» модели к воспроизводимому доказательству реальной уязвимости .

CVE-2026-3854 — критическая RCE в GitHub. Ранняя версия Atlas выявила критическую уязвимость удалённого выполнения кода во внутренней git-инфраструктуре GitHub (CVE-2026-3854, CVSS 8.8) . Уязвимость позволяла любому аутентифицированному пользователю с правом на push выполнять произвольные команды на бэкенд-серверах GitHub с помощью одной команды

git push

$100 000 баунти. GitHub выплатил $100 000 за эту находку — один из крупнейших бонусов в истории программы .

Мультиагентная архитектура против одномодельных систем

Это ключевой архитектурный момент. Atlas — не одна ИИ-модель, а модельно-агентная система . Вот чем она отличается от подхода, использованного в GPT-5.5 Cyber и Mythos:

Характеристика	Project Atlas (мультиагентный)	GPT-5.5 Cyber / Mythos (одномодельные)
Архитектура	Оркеструет множество специализированных ИИ-агентов (для анализа кода, фаззинга, статического анализа, отслеживания зависимостей), работающих параллельно	Одна большая языковая модель, обученная для киберзадач, работающая в одиночку
Разнообразие моделей	Комбинирует несколько передовых моделей (например, Claude Opus 4.6 + GPT-5.5 в квалификационном прогоне CyberGym) — выбирает лучшую модель для каждой подзадачи	Привязана к одному семейству моделей и одному набору весов
Процесс работы	Каждая находка независимо верифицируется отдельным агентом, что практически полностью исключает ложные срабатывания	Вывод одной модели, сложнее самопроверка
Масштабируемость	Может запускать сотни агентов для тысяч целей одновременно	Ограничена пропускной способностью одной модели
Ключевой вывод	«Лучшая архитектура для поиска уязвимостей — не одна модель, а оркестрованная команда моделей с разной специализацией»	Одномодельный подход упирается в потолок при сложных многошаговых задачах

Wiz утверждает, что архитектура системы важнее сырой мощности модели — Atlas обогнал GPT-5.5 Cyber и Mythos не за счёт более совершенной базовой модели, а благодаря интеллектуальному сочетанию нескольких моделей и агентов с надёжными циклами верификации .

Как разворачивался переход к мультиагентности в 2026 году

Хронология гонки ИИ-вооружений в сфере безопасности демонстрирует чёткий тренд: от доминирования одной модели к превосходству мультиагентных систем:

• Начало — середина 2026: Эскалация одной модели. OpenAI выпустила полную версию GPT-5.5-Cyber (85,6% на CyberGym) в июне 2026 года в рамках оборонной программы Daybreak . Предпросмотр Anthropic Claude Mythos также показал высокие результаты, побудив исследователей из UK AISI и Palo Alto Networks предупредить, что модели «превзошли автономные хакерские бенчмарки» .

• Май 2026: Мультиагентные системы доказывают потенциал. Система Microsoft MDASH (более 100 специализированных агентов, 88,45% на CyberGym) показала, что мультиагентный подход способен превзойти одиночные модели .

• Июль 2026: Победа мультиагентности. Wiz Atlas (90,9%) обошёл всех, доказав, что оркестровка нескольких передовых моделей превосходит любую отдельную модель .

Более широкие последствия: поиск уязвимостей и экономика баунти

Сочетание ИИ-агентов с систематическим фаззингом, статическим анализом и ревью кода приводит к обнаружению zero-day в беспрецедентных масштабах — Atlas только в одном проекте нашёл 200+ уязвимостей в коде, который годами тщательно проверялся . Этот поток найденных ИИ-багов оказывает давление на экономику программ bug bounty. GitHub 27 июля 2026 года сократил публичные выплаты как минимум вдвое (критические находки упали с $20–30 тыс.+ до фиксированных $10 тыс.), хотя пригласительный VIP-уровень по-прежнему платит от $30 тыс. . Отчёты, поданные до этой даты, включая обнаруженную Atlas CVE-2026-3854, сохранили прежние условия выплат .

Главный вывод

Project Atlas от Wiz — текущий лидер в области ИИ-исследования уязвимостей, и не потому, что он использует более совершенную модель, а благодаря мультиагентной, мультимодельной архитектуре с независимой верификацией. Он значительно превосходит одномодельные системы (90,9% против 85,6% и 83%). Это отражает более широкий сдвиг в ландшафте ИИ-безопасности — от вопроса «какая модель лучше» к вопросу «как эффективно организовать работу моделей». Как подчёркивают в Wiz и Google, победа в гонке ИИ-вооружений достанется не одной супер-модели, а системам, объединяющим модели, человеческий опыт и надёжные конвейеры верификации .