大模型网络安全实战能力对比
daniel_mac8 · x · 2026-07-17
推文引用了 AISI（AI 安全研究所）的网络安全靶场测试 "The Last Ones" 结果。数据显示，GLM-5.2 的表现追平了约 7 个月前发布的 Claude Opus 4.5；而 DeepSeek V4-Pro 的成绩则落后于同期的 Claude Sonnet 4.5。作者认为，评估模型在赛博空间中的实际破坏力，这类安全测试是最客观的基准。
所属事件:AISI称开源模型缩小网络安全差距(6 条相关)→
「模型」频道最新
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11