开权重模型的网络安全评测
AravSrinivas · x · 2026-07-19
基于内部评测的转述认为：
- Kimi K3 在网络安全任务上已经是顶级水平；外界说它“benchmark overfit”，但这里的说法是它有真实的高能力。
- Sol 在 cyber 能力上更进一步，但成本明显更高。
- Fable 则几乎拒绝一切任务，连完整运行都没法完成。
结论是：前沿的开权重模型在网络安全能力上已经很强，而且可以用于防御性用途。
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
- 同题 Echo Maze 实测:三大模型看似成功,代码里藏着同一个 bug — eyishazyer · 2026-09-11
- 新基准一出分数暴跌 70 点:「刷榜」现象如何让跑分失真 — airesearch12 · 2026-09-11
- ChatGPT 竟劝用户「问题太复杂,去试试更笨的回答」 — phido3000 · 2026-09-11
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
- 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11