Grok 4.7 scoort het hoogst op nieuwe AI-cyberbenchmark

TL;DR

• Wat: Grok 4.7 staat samen met MiMo-V2.6-Pro op de eerste plaats van de nieuwe Artificial Analysis Cyber Index, een benchmark die meet hoe goed AI-modellen kwetsbaarheden in software opsporen en repareren.
• Waarom relevant: Software-kwetsbaarheden kosten het Nederlandse MKB gemiddeld €17.000 per incident — AI die helpt bij het vinden en dichten van die gaten raakt direct aan bedrijfscontinuïteit.
• Wat je ermee kunt: Houd in de gaten of jouw IT-partner of securityleverancier al AI-ondersteunde vulnerability scanning inzet, en vraag welk model daarachter zit.

Elon Musk deelde deze week dat Grok 4.7 bovenaan staat op de AA Cyber Index. Ik vond het interessant, niet zozeer vanwege het scorebord zelf, maar omdat er nu voor het eerst een serieuze benchmark bestaat die AI-modellen specifiek test op het verdedigen van software. Dat raakt iedereen die afhankelijk is van digitale systemen — en dat zijn we inmiddels allemaal.

Wat is de Artificial Analysis Cyber Index?

De Cyber Index is een nieuwe benchmark die op 25 september 2026 werd gelanceerd door Artificial Analysis, in samenwerking met onder meer IBM, NVIDIA en Vercel. Het doel: meten hoe goed AI-modellen presteren op wat je "digitaal beveiligingswerk" zou kunnen noemen.

Concreet test de index drie dingen, elk met een eigen deelbenchmark:

1. CWE-Bench-AA — Kan het model kwetsbaarheden vinden en patchen in echte open-source codebases? Dit onderdeel bevat 120 taken die alle categorieën uit de OWASP Top 10 dekken (dat is een breed erkende lijst van de meest voorkomende beveiligingsrisico's in webapplicaties).
2. DeepsecBench-AA — Hoe goed is het model in het ontdekken van kwetsbaarheden in applicatiecode?
3. CyberGym-E2E-AA — Kan het model geheugenproblemen vinden in C- en C++-projecten, en die vervolgens ook daadwerkelijk oplossen?

Elk onderdeel telt voor een derde mee. Het eindcijfer is dus een gemiddelde van drie vrij uiteenlopende vaardigheden. Wat mij opvalt: de index meet uitsluitend verdedigende capaciteiten. Het gaat niet om aanvallen uitvoeren, maar om gaten vinden en dichten.

De scores: gedeelde eerste plaats en een opvallend kostenverschil

Grok 4.7 scoort 56 procent op de index. Dat klinkt misschien niet indrukwekkend, maar het is een gedeelde eerste plaats — samen met MiMo-V2.6-Pro, eveneens op 56. GPT-6 Luna volgt met 53 procent.

Wat ik eerlijk gezegd minstens zo interessant vind als de scores zelf, is het kostenverschil. Volgens de analyses van Artificial Analysis kost GPT-6 Luna slechts $0,12 per taak, terwijl de kosten bij andere modellen tot 65 keer hoger kunnen liggen. Voor een ondernemer die nadenkt over het inzetten van AI voor beveiligingswerk, is dat een wezenlijk gegeven. De beste score hebben is één ding; de beste score hebben tegen een betaalbare prijs is iets heel anders.

Veiligheidsweigering als obstakel

Een opvallend detail: verschillende topmodellen — waaronder Claude Opus 5.5, GPT-6 Sol en Gemini 3.8 Flash — weigeren 32 tot 38 procent van de testtaken op veiligheidsgronden. Die modellen scoren daardoor 19 tot 31 punten lager dan de koplopers. Ik snap de logica: als je een AI-model vraagt om kwetsbaarheden te analyseren, beweeg je op het grensvlak van verdediging en aanval. Sommige modellen zijn daar voorzichtiger in dan andere. Of dat goed of slecht is, hangt af van je perspectief — maar het beïnvloedt wel meetbaar de uitkomst.

Wat betekent dit voor een ondernemer?

Je hoeft geen techbedrijf te runnen om geraakt te worden door software-kwetsbaarheden. Volgens cijfers van verzekeraar Hiscox kost een cyberincident het Nederlandse MKB gemiddeld zo'n €17.000 — en dat is de mediaan, dus de helft van de gevallen is duurder. Slechts 28 procent van de MKB-bedrijven in Nederland zegt voorbereid te zijn op een cyberaanval.

Kun je je voorstellen wat het zou betekenen als een AI-model automatisch de kwetsbaarheden in je bedrijfssoftware kan opsporen, reproduceren en repareren? Dat is precies wat deze benchmark test. Niet theoretisch, maar op echte codebases.

Nu wil ik hier wel bij zeggen: een hoge benchmarkscore is niet hetzelfde als een kant-en-klare beveiligingsoplossing. Zoals cybersecurity-onderzoekers opmerken, is de integratie van zo'n model in je daadwerkelijke omgeving — het zogeheten "harness-probleem" — minstens zo bepalend als de capaciteiten van het model zelf. Stel dat je als ondernemer overweegt om AI in te zetten voor je beveiliging, dan is het niet genoeg om te weten welk model het beste scoort. Je wilt ook weten hoe het wordt ingezet, door wie, en binnen welk kader.

Eén benchmark, geen eindoordeel

Het is verleidelijk om een eerste plaats op een leaderboard te lezen als "dit is het beste model". Maar de Cyber Index meet een specifieke vaardigheid. Op andere benchmarks — algemene redenering, coderen, wiskundig denken — is de rangorde anders. Musk zelf claimt volgens berichtgeving niet dat Grok 4.7 over de hele linie beter is dan GPT-6 of andere modellen. Het gaat hier puur om cyberverdediging.

Ik vind het wel betekenisvol dat er nu een onafhankelijke benchmark voor dit domein bestaat. Cybersecurity is een van de gebieden waar AI echt het verschil kan maken voor bedrijven die niet de middelen hebben om een volledig beveiligingsteam in dienst te hebben. Juist voor het MKB — waar de IT-capaciteit beperkt is maar de risico's reëel — kan een AI-model dat kwetsbaarheden opspoort in je webshopsoftware of je boekhoudsysteem serieuze waarde hebben.

De subsidie-kant

Overigens: voor MKB-ondernemers met maximaal 50 medewerkers bestaat er via het programma "Mijn Cyberweerbare Zaak" een subsidie van 50 procent op cybersecuritymaatregelen, tot maximaal €1.250. Dat is niet genoeg om een AI-gestuurd beveiligingsplatform aan te schaffen, maar het laat zien dat de overheid het thema serieus neemt.

Een groeiend speelveld

Wat mij betreft is het meest opvallende aan dit nieuws niet dat Grok 4.7 bovenaan staat — modellen wisselen elkaar voortdurend af op leaderboards. Het interessantere signaal is dat cyberverdediging nu een eigen, serieuze AI-benchmark heeft, gedragen door partijen als IBM en NVIDIA. Dat betekent dat de industrie verwacht dat AI een structurele rol gaat spelen in hoe we software beveiligen.

Voor mij is dit vooral een aanleiding om scherper te kijken naar wat mijn eigen digitale omgeving eigenlijk nodig heeft — en of de tools die ik gebruik al meebewegen met wat er technisch mogelijk is.