Un test de cybersécurité d’une durée de deux heures et d’un coût de 1 500 dollars a opposé les principaux modèles LLM à une application Android piratée contenant des informations confidentielles Firebase exposées. Le modèle GPT-5.5, encore non lancé, a obtenu un taux de réussite de 70 % dans ces tentatives, mais coûtait 9,46 dollars par essai. Le logiciel open-source DeepSeek V4Pro, quant à lui, a réussi 30 % des cas pour seulement 0,62 dollar par tentative, offrant ainsi une grande économie de coûts pour les audits de sécurité automatisés. Google Gemini a refusé toutes les tâches proposées ; les modèles Claude ont réussi deux fois grâce à leurs mesures de sécurité excessivement strictes.