Wiz Project Atlas เปิดตัว: ระบบ AI หลายโมเดลเอาชนะ GPT-5.5 และ Mythos ได้อย่างไร

ผลงานของ Project Atlas

ผู้นำด้านเกณฑ์วัด (Benchmark) Atlas ทำคะแนน 90.9% บนเกณฑ์วัด CyberGym ซึ่งเป็นเกณฑ์วัดสาธารณะที่ทดสอบความสามารถของเอเจนต์ AI ในการทำซ้ำและค้นพบช่องโหว่ในโลกจริง จากโจทย์กว่า 1,507 ภารกิจจาก 188 โครงการซอฟต์แวร์โอเพนซอร์ส เมื่อเทียบกับระบบโมเดลเดี่ยวที่ดีที่สุดอย่าง GPT-5.5 Cyber (85.6%) และ Mythos ของ Anthropic (83%) Atlas นำห่างถึง 5 ถึง 8 เปอร์เซ็นต์ แม้แต่ระบบ MDASH ของ Microsoft ที่ใช้เอเจนต์เฉพาะทางมากกว่า 100 ตัวทำคะแนนได้ 88.45% ในเดือนพฤษภาคม 2026 ก็ยังถูกแซง

ค้นพบช่องโหว่ Zero-Day กว่า 200 รายการ ในการทดสอบของ Wiz เอง Atlas สามารถค้นพบ ช่องโหว่ที่ไม่เคยรู้จักมาก่อนกว่า 200 รายการ ในโปรเจกต์โอเพนซอร์สที่ถูกตรวจสอบและ Fuzz มาอย่างหนักเป็นเวลาหลายปี เช่น Linux kernel, Kubernetes, gVisor, containerd และ dnsmasq ที่สำคัญคือ แต่ละช่องโหว่ที่ค้นพบได้รับการตรวจสอบยืนยันโดยอัตโนมัติตั้งแต่ต้นจนจบจากระบบเอเจนต์ ซึ่งก้าวไปไกลกว่าแค่การคาดเดาจากโมเดล แต่สามารถพิสูจน์ซ้ำได้ว่าเป็นปัญหาด้านความปลอดภัยจริง

CVE-2026-3854 — ช่องโหว่ RCE วิกฤตใน GitHub Atlas เวอร์ชันแรกๆ สามารถระบุช่องโหว่ Remote Code Execution (RCE) ระดับวิกฤตในโครงสร้างพื้นฐาน Git ภายในของ GitHub (CVE-2026-3854, CVSS 8.8) ช่องโหว่นี้ทำให้ผู้ใช้ที่ผ่านการยืนยันตัวตนซึ่งมีสิทธิ์ push สามารถรันคำสั่งใดๆ ก็ได้บนเซิร์ฟเวอร์แบ็กเอนด์ของ GitHub โดยใช้คำสั่ง git push เพียงคำสั่งเดียว ทำให้สามารถเข้าถึง repository ส่วนตัวได้อย่างเต็มรูปแบบทั้งอ่านและเขียน Wiz รายงานช่องโหว่ดังกล่าวให้ GitHub ทราบเมื่อวันที่ 4 มีนาคม 2026 ผ่านโปรแกรม Bug Bounty GitHub สามารถจำลองปัญหาซ้ำได้ภายใน 40 นาที ปรับใช้แพตช์บน github.com ได้ภายในไม่ถึงสองชั่วโมง และยืนยันว่าไม่มีการนำช่องโหว่นี้ไปใช้ประโยชน์ในโลกจริง

รางวัล $100,000 GitHub จ่ายรางวัล $100,000 สำหรับการค้นพบครั้งนี้ ซึ่งเป็นหนึ่งในรางวัลที่มากที่สุดในประวัติศาสตร์ของโปรแกรม ถึงแม้ว่ารางวัลรวมของ Wiz อาจถูกคิดตามอัตราก่อนการปรับลดในเดือนกรกฎาคม 2026 ก็ตาม

สถาปัตยกรรมแบบหลายเอเจนต์ vs. ระบบโมเดลเดี่ยว

นี่คือแก่นแท้ของเรื่องราวทางสถาปัตยกรรม Atlas ไม่ใช่โมเดล AI ตัวเดียว แต่เป็น ระบบเอเจนต์แบบหลายโมเดล ต่อไปนี้คือความแตกต่างจากวิธีการใช้โมเดลเดี่ยวอย่าง GPT-5.5 Cyber และ Mythos:

Wiz ให้ข้อโต้แย้งว่า สถาปัตยกรรมระบบสำคัญกว่าความสามารถดิบของโมเดล — Atlas เอาชนะ GPT-5.5 Cyber และ Mythos ไม่ได้เพราะมีโมเดลพื้นฐานที่ดีกว่า แต่เพราะผสมผสานโมเดลและเอเจนต์หลายตัวเข้ากับวงจรการตรวจสอบที่รัดกุม

การเปลี่ยนแปลงสู่ระบบหลายเอเจนต์ในปี 2026

เส้นเวลาของการแข่งขันด้านความปลอดภัยทางไซเบอร์ด้วย AI แสดงให้เห็นถึงแนวโน้มที่ชัดเจนจากการครอบงำของโมเดลเดี่ยว สู่ความเหนือกว่าของระบบหลายเอเจนต์:

• ช่วงต้นถึงกลางปี 2026: การเพิ่มขีดความสามารถของโมเดลเดี่ยว OpenAI เปิดตัว GPT-5.5-Cyber เต็มรูปแบบ (85.6% บน CyberGym) ในเดือนมิถุนายน 2026 ซึ่งเป็นส่วนหนึ่งของโปรแกรมป้องกัน Daybreak Claude Mythos Preview ของ Anthropic ก็ทำคะแนนสูงเช่นกัน ทำให้นักวิจัยจาก UK AISI และ Palo Alto Networks เตือนว่าโมเดลเหล่านี้ "แซงหน้าเกณฑ์วัดการแฮ็กอัตโนมัติ" ไปแล้ว

• พฤษภาคม 2026: ระบบหลายเอเจนต์พิสูจน์ศักยภาพ ระบบ MDASH ของ Microsoft (เอเจนต์เฉพาะทาง 100+ ตัว คะแนน 88.45% บน CyberGym) แสดงให้เห็นว่าระบบหลายเอเจนต์สามารถทำผลงานได้ดีกว่าโมเดลเดี่ยว

• กรกฎาคม 2026: ระบบหลายเอเจนต์คว้าชัย Atlas ของ Wiz (90.9%) เอาชนะทั้งคู่ พิสูจน์ให้เห็นว่าการผสมผสานโมเดลชั้นนำหลายตัวมีประสิทธิภาพดีกว่าโมเดลตัวใดตัวหนึ่ง

ผลกระทบในวงกว้าง: การค้นหาช่องโหว่และเศรษฐศาสตร์ของ Bug Bounty

การรวมกันของเอเจนต์ AI กับ Fuzzing, Static Analysis และการตรวจสอบโค้ดอย่างเป็นระบบ กำลังผลิต Zero-Day ในระดับที่ไม่เคยมีมาก่อน — แค่ Atlas เพียงระบบเดียวก็ค้นพบกว่า 200 รายการในโค้ดโอเพนซอร์สที่ผ่านการตรวจสอบอย่างหนัก ช่องโหว่ที่ถูกค้นพบด้วย AI จำนวนมหาศาลนี้กำลังกดดันเศรษฐศาสตร์ของโปรแกรมเปิดเผยช่องโหว่ GitHub ประกาศลดเงินรางวัล Bug Bounty สาธารณะลงอย่างน้อยครึ่งหนึ่งในวันที่ 27 กรกฎาคม 2026 (ช่องโหว่วิกฤตจาก $20,000–$30,000+ เหลือเพียง $10,000 คงที่) ในขณะที่ระดับ VIP แบบเชิญเท่านั้นยังคงจ่าย $30,000+ รายงานที่ยื่นก่อนวันดังกล่าว รวมถึง CVE-2026-3854 ที่ Atlas ค้นพบ ยังคงได้รับเงื่อนไขการจ่ายเงินแบบเดิม

บทสรุป

Project Atlas ของ Wiz ถือเป็นระบบที่มีขีดความสามารถสูงสุดในปัจจุบันสำหรับการวิจัยช่องโหว่ด้วย AI — ไม่ใช่เพราะใช้โมเดลที่ดีกว่า แต่เพราะสถาปัตยกรรมแบบหลายโมเดล หลายเอเจนต์ พร้อมการตรวจสอบยืนยันอิสระ สามารถเอาชนะระบบโมเดลเดี่ยวได้อย่างมีนัยสำคัญ (90.9% เทียบกับ 85.6% และ 83%) สิ่งนี้สะท้อนถึงการเปลี่ยนแปลงครั้งใหญ่ในภูมิทัศน์ความปลอดภัยทางไซเบอร์ด้วย AI จากคำถามที่ว่า "โมเดลไหนดีที่สุด" สู่ "คุณจะจัดระบบโมเดลอย่างมีประสิทธิภาพได้อย่างไร" ดังที่ Wiz และ Google ได้ประกาศจุดยืนไว้อย่างชัดเจนว่า แนวทางแห่งชัยชนะในการแข่งขันด้านความปลอดภัยทางไซเบอร์ด้วย AI จะไม่ใช่โมเดลยักษ์ใหญ่ตัวเดียว แต่คือระบบที่ผสมผสานโมเดล ความเชี่ยวชาญของมนุษย์ และท่อส่งการตรวจสอบที่เข้มงวดเข้าด้วยกัน