Wiz Project Atlas: Multi-agent AI-system krossar GPT-5.5 och Mythos i säkerhetstest

Vad Project Atlas uppnådde

Benchmark-ledarskap. Atlas nådde 90,9% på CyberGym, ett offentligt benchmark som mäter AI-agenters förmåga att återskapa och upptäcka verkliga sårbarheter utifrån 1 507 uppgifter från 188 programvaruprojekt med öppen källkod . Som jämförelse: de bästa enmodell-systemen – GPT-5.5 Cyber (85,6%) och Anthropics Mythos (83%) – ligger 5 till 8 procentenheter efter . Även Microsofts MDASH-system, som med 100+ specialiserade agenter nådde 88,45% i maj 2026, överträffades .

Över 200 nolldagars-sårbarheter. I egna tester upptäckte Atlas mer än 200 tidigare okända sårbarheter i flitigt använd programvara med öppen källkod som hade fuzzats och granskats i åratal, däribland Linux-kärnan, Kubernetes, gVisor, containerd och dnsmasq . Varje fynd validerades autonomt från början till slut av systemet – det rörde sig inte om modellgenererade misstankar, utan reproducerbara bevis på verkliga säkerhetsproblem .

CVE-2026-3854 – kritisk GitHub-RCE. En tidig version av Atlas identifierade en kritisk fjärrkörningssårbarhet (RCE) i GitHubs interna git-infrastruktur (CVE-2026-3854, CVSS 8.8) . Felet gjorde att en autentiserad användare med push-åtkomst kunde utföra godtyckliga kommandon på GitHubs backendservrar med ett enda git push-kommando, vilket gav full läs- och skrivåtkomst till privata repositories . Wiz rapporterade felet till GitHub den 4 mars 2026 via bugg-bounty-programmet . GitHub reproducerade problemet på 40 minuter, lanserade en fix till github.com på under två timmar och bekräftade att sårbarheten inte hade utnyttjats i verkligheten .

100 000 dollar i belöning. GitHub betalade ut 100 000 dollar för upptäckten – en av de högsta belöningarna i programmets historia, även om Wiz totala ersättning kan ha strukturerats enligt de tidigare prisnivåerna före nedskärningen i juli 2026 .

Multi-agent-arkitektur vs. enmodellssystem

Detta är den centrala arkitekturella poängen. Atlas är inte en enskild AI-modell – det är ett multi-modellt, agentiskt system . Så här skiljer det sig från enmodellsansatsen som används av GPT-5.5 Cyber och Mythos:

Wiz argumenterar för att systemarkitektur är viktigare än rå modellkapacitet – Atlas slog GPT-5.5 Cyber och Mythos inte genom att ha en bättre basmodell, utan genom att intelligent kombinera flera modeller och agenter med täta verifieringsloopar .

Hur multi-agent-skiftet utvecklades under 2026

Tidslinjen för AI-säkerhetskapplöpningen visar en tydlig utveckling från enmodellsdominans till multi-agent-överlägsenhet:

• Tidigt–mitten av 2026: Enmodellseskalering. OpenAI släppte den fullständiga GPT-5.5-Cyber (85,6% på CyberGym) i juni 2026 som en del av sitt Daybreak-försvarsprogram . Anthropics Claude Mythos Preview nådde också höga poäng, vilket fick forskare vid UK AISI och Palo Alto Networks att varna för att modellerna hade "överträffat autonoma hackningsbenchmarks" .

• Maj 2026: Multi-agent bevisar sin potential. Microsofts MDASH-system (100+ specialiserade agenter, 88,45% på CyberGym) visade att multi-agentsystem kunde prestera bättre än enmodeller .

• Juli 2026: Multi-agent vinner. Wiz Atlas (90,9%) toppade dem båda och bevisade att orkestrering av flera frontmodeller överträffar varje enskild modell .

Bredare implikationer: sårbarhetsupptäckt och bountyekonomi

Kombinationen av AI-agenter med systematisk fuzzing, statisk analys och kodgranskning producerar nolldagars-sårbarheter i en aldrig tidigare skådad skala – Atlas ensamt hittade över 200 i hårt granskad öppen källkod . Denna översvämning av AI-upptäckta buggar sätter press på ekonomin i program för sårbarhetsrapportering. GitHub minskade sina offentliga bugg-bounty-utbetalningar med minst hälften den 27 juli 2026 (kritiska fynd sjönk från 20 000–30 000+ dollar till fasta 10 000 dollar), medan den inbjudningsbaserade VIP-nivån fortfarande betalar 30 000+ dollar . Rapporter som lämnats in före det datumet, inklusive Atlas-upptäckta CVE-2026-3854, behöll de tidigare betalningsvillkoren .

Slutsats

Wiz Project Atlas är den nuvarande toppmoderna inom AI-baserad sårbarhetsforskning – inte för att det använder en bättre modell, utan för att dess multi-agent-, multi-modellarkitektur med oberoende verifiering slår enmodellssystem med en betydande marginal (90,9% jämfört med 85,6% och 83%). Detta speglar en bredare förändring i AI-säkerhetslandskapet från "vilken modell är bäst" till "hur man effektivt orkestrerar modeller." Som Wiz och Google tydligt påpekar kommer den vinnande strategin i AI-säkerhetskapplöpningen inte att vara en enda supermodell, utan system som kombinerar modeller, mänsklig expertis och rigorösa verifieringspipelines .