Ein zweistündiger Cybersicherheitstest im Wert von 1.500 US-Dollar setzte große LLMs gegen eine gehackte Android-App mit offengelegten Firebase-Anmeldedaten zur Verfügung. Der noch nicht veröffentlichte GPT-5.5 erzielte eine Erfolgsrate von 70 % bei den Angriffen, kostete jedoch 9,46 US-Dollar pro Versuch. Die Open-Source-Lösung DeepSeek V4Pro war in 30 % der Fälle erfolgreich und kostete lediglich 0,62 US-Dollar pro Versuch – was sie zu einer sehr wirtschaftlichen Option für automatisierte Sicherheitsprüfungen macht. Google Gemini lehnte alle Aufgaben ab; die Claude-Modelle waren aufgrund übermäßig strenger Schutzmechanismen nur zweimal erfolgreich.