CrowdStrike SafeMind Debuterar på Fal.Con: Den NVIDIA-stödda agentiska försvarsstacken, byggd på Nemotron

När CrowdStrike SafeMind lanserades på Fal.Con 2026 i Las Vegas ägnade George Kurtz keynotens skarpaste ögonblick åt klyftan bakom det: angriparna hade frontier AI, och försvararna inte. SafeMind är CrowdStrikes försök att sluta den klyftan — en familj av specialbyggda säkerhetsmodeller och agentiska ramverk byggda med NVIDIA på den öppna NVIDIA Nemotron-basen, tillkännagivna den 1 september 2026, och nu verksamma inbyggt i CrowdStrike Falcon-plattformen. Siffran som cirkulerar från keynote är att den snabbaste eCrime-utbrytningstiden har sjunkit till 27 sekunder, och AI-drivna attacker ökade med 89% under det senaste året — den miljö som SafeMind är ett svar på, inte modellens eget resultat.

CrowdStrikes budskap är att SafeMind inte är ännu en chattbot med ett plugin för hotunderrättelser. Det är en sluten loop: en offensiv modell som hittar attackvägen, en defensiv modell som täpper till den, och verktyg som arbetar mot samma telemetri. NVIDIA är AI-designpartnern och tillhandahåller de öppna Nemotron-grundmodellerna och full-stack accelererad beräkning; CoreWeaves AI Cloud sköter träning och inferens. Eftersom Nemotron är öppen uppger CrowdStrike att man eftertränat på egna hotdata utan att skicka datan till en extern modellleverantör.

Två modeller, en loop

SafeMind lanseras med två modellsläpp. Red Tempest är den offensiva hälften — en red-team-modell byggd för avancerade attackscenarier, som emulerar AI-drivna motståndare. Blue Solano är den defensiva hälften — byggd för att skydda företagstillgångar genom att tillämpa de stridsprövade åtgärder som försvarare använder vid verkliga incidenter. I NVIDIAs beskrivning av de interna testerna kör red-team-harnessen subagenter för Recon, Assault och Compromise som utför attackvägar, medan blue-team-harnessen övervakar via Falcon-sensorer, genererar detektionskandidater, validerar dem och uppgraderar de validerade till handlingsbara detektioner.

Den tekniska grunden är viktig eftersom den är öppen. NVIDIAs Nemotron 3 Ultra orkestrerar det defensiva agentramverket; en finjusterad Nemotron 3 Super driver SafeMinds delagent för regelgenerering. CrowdStrikes bidrag är det lager ingen annan har: träningsdata hämtad från Falcon-sensortelemetri — som CrowdStrike kallar världens största renodlade cyberdataset — plus dess hotintelligens, Falcon Complete MDR-händelseanteckningar och femton års fältarbete inom incidenthantering.

Påståendena — och ärlighetsetiketten

Mot ”ledande frontmodeller och open-source-baslinjer” rapporterar CrowdStrike att SafeMind levererar 29 % högre detektionsgrad, 6x snabbare end-to-end-remediering och 99 % kostnadsbesparingar på detektion och remediering. NVIDIA säger separat att dess interna utvärderingar visade att Blue Solano-modellen, baserad på Nemotron 3 Super, uppnår högre noggrannhet än ledande frontmodeller till 99 % lägre kostnad. Samtliga dessa siffror är leverantörsrapporterade. SafeMind har inga offentliga vikter, inget självbetjänings-API och — när detta skrivs — ingen förekomst på någon oberoende benchmark-ledartavla, så det finns ännu ingen tredjepartskörning att kontrollera påståendena mot. Den ärliga läsningen: starka interna resultat, ingen extern verifiering, prissatt inom Falcon-plattformen snarare än angiven per token.

Vilka kan faktiskt använda det?

Det finns två vägar in i SafeMind, och ingen av dem är en API-nyckel. Den första är själva Falcon-plattformen, där SafeMind fungerar inbyggt som en del av säkerhetsmolnet – för befintliga CrowdStrike-kunder är det den produktifierade vägen. Den andra är Project QuiltWorks, programmet som kommer att ge betrodd åtkomst till de fristående modellerna och verktygen för oberoende användning, operationaliserat genom Falcon IQ, som CrowdStrike beskriver som agentisk arbetsbelastningsautomatisering som körs i Charlotte AI AgentWorks med 50+ agenter. Det som inte sker idag är en publik slutpunkt, och CrowdStrike har inte publicerat priser för fristående åtkomst.

Det lämnar ett konkret beslut för ett säkerhetsteam som vill ha denna kapacitetsklass nu, utan att vänta ut ett program för betrodd åtkomst. De allmänna frontier-modellerna som bär säkerhetsarbetsbelastningarna är redan anropsbara via ett enda API till leverantörens listpris, vidarebefordrade med noll påslag — vilket är hela poängen med ett routningslager som OrcaRouter. Claude Opus 5 och GPT-5.6 Sol är live för $5.00 och $4.00 per miljon input-tokens, och Gemini 3.5 Flash för $1.50, med automatisk failover mellan leverantörer så att en triage-pipeline inte stannar upp vid en enskild leverantörs avbrott. Inget av detta ersätter SafeMinds Falcon-native loop — men för detektering och triage-generering på kod som du faktiskt kan skicka idag, är det skillnaden mellan att arbeta med modellklassen nu och att vänta.

Vad du ska titta på

• Den första oberoende benchmarkkörningen. Siffrorna 29 % / 6x / 99 % är hela säljargumentet, och de är overifierade. En tredjepartsutvärdering i CyberGym-stil skulle avgöra frågan om hur en försvarsspecialist tränad på verklig telemetri står sig mot de ledande cybermodeller som nu benchmarkas offentligt.

• Project QuiltWorks åtkomstvillkor. Vilka som kvalificerar sig, vilken yta de fristående modellerna får och hur prissättningen ser ut kommer att avgöra om SafeMind förblir en Falcon-funktion eller blir ett genuint tredjepartsalternativ.

• Den verkliga produktionen från koevolutionsslingan. Den kontinuerliga återträningen mellan anfall och försvar är det mest nyskapande påståendet i lanseringen; håll utkik efter publicerade detekteringskandidater eller sårbarhetsfynd som producerats av slingan snarare än av mänskliga forskare.

• Hur CrowdStrikes partners reagerar. SafeMind anländer på en marknad där OpenAI, Google, Microsoft och Anthropic alla levererar åtkomstbegränsade cybermodeller — och där CrowdStrike själv är en namngiven tidig partner i OpenAIs Daybreak-program. Huruvida det partnerskapet överlever en konkurrerande produktfamilj är en reell fråga för 2027.

Lanseringen är genuint ny — en produktifierad agentisk försvarsstack, byggd på öppna Nemotron, inom branschens största installerade bas för endpointsäkerhet. Det som återstår att bevisa är den del som betyder mest: huruvida loopen faktiskt ger bättre detektering till den påstådda kostnaden, och huruvida branschen kommer att få verifiera detta oberoende. Tills dess går den praktiska vägen till modellklassen via de öppna frontmodeller du kan anropa idag, och vägen till själva SafeMind löper genom Falcon.