SentinelOne సంస్థ, ఇటీవల గుర్తించబడిన Fast16 మాల్‌వేర్‌ను ఉపయోగించి ఫ్రంటియర్ AI మోడల్స్ కోసం మొదటి లాంగ్-హారిజన్ రివర్స్-ఇంజనీరింగ్ బెంచ్‌మార్క్‌ను రూపొందించింది. Fast16 అనేది 2005 నాటి విండోస్ మాల్‌వేర్, ఇది ఇరాన్ అణు కార్యక్రమాలను దెబ్బతీయడానికి రూపొందించబడింది.

OpenAI యొక్క GPT-5.5, GPT-5.6 Sol, Z.ai యొక్క GLM-5.2 మరియు Anthropic యొక్క Opus మోడల్‌లను ఈ పరీక్షలో పరిశోధకులు నిരീക്ഷించారు. ఇందులో కేవలం GPT-5.6 Sol మాత్రమే ఎనిమిది దశల విచారణను విజయవంతంగా పూర్తి చేయగలిగింది. మిగిలిన మోడల్స్ ప్రాథమిక దశల్లోనే ఆగిపోవడం లేదా తప్పుదారి పట్టడం గమనించారు.

ఈ వైఫల్యానికి కారణం 'ప్రాజెక్ట్-స్కేల్ రికవరీ' సామర్థ్యం లేకపోవడమేనని SentinelLabs పేర్కొంది. అంటే, ఒక తప్పును గుర్తించి, దాని వల్ల జరిగిన తప్పులన్నింటినీ సరిదిద్ది, విచారణను ముందుకు తీసుకెళ్లే శక్తి ఈ మోడల్స్‌కు తక్కువగా ఉంది. కాబట్టి, AI మోడల్స్ ఎంత అభివృద్ధి చెందినప్పటికీ, మాల్వేర్ విచారణలో మానవ పర్యవేక్షణ తప్పనిసరి అని నిపుణులు తేల్చారు.