北京
19道CTF挑战题，Mistral Large 4解出了18道。这个成绩不是实验室里的理想环境跑出来的——每一次工具调用、每一段解题耗时，都来自真实运行记录。
换句话说，它不是在"模拟"解题，而是在真实环境里一步步把题啃下来的。对于网络安全这个极度依赖实战能力的领域，这种"速度跑"式的验证方式，比任何基准分数都更有说服力。
不只是解题，还能逆向未知样本
CTF之外，Mistral Large 4还展示了一项更硬核的能力：恶意软件逆向工程。
面对一个完全未知的二进制文件，它能端到端完成逆向分析。在一个具体案例中，它得出的结论是——这个样本属于Cobalt Strike。
更关键的是后续动作：它没有停在"识别出是什么"这一步，而是继续提取了IoCs（入侵指标）和恶意软件配置信息，并完成了完整的分析输出。
为什么这件事值得关注
网络安全任务和普通问答有本质区别。它要求模型在信息不完整、样本未知、甚至刻意被混淆的条件下，依然能保持推理链条的完整性。
Mistral Large 4在这两类任务上的表现——CTF实战解题和未知样本逆向——指向同一个能力方向：在多样化复杂挑战上进行高效推理。
对于安全团队来说，这意味着AI在威胁分析、样本研判这些高门槛环节，正在从"辅助工具"变成"能独立跑完流程的执行者"。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
