Cyber Index 榜单:Grok 4.7 与 MiMo-V2.6-Pro 并列第一,安全拒答拖垮前沿模型
ArtificialAnlys · x · 2026-09-28
Artificial Analysis 发布 Cyber Index 及 Cyber Index Alliance,联合 Collinear AI、IBM、NVIDIA、Vercel 等伙伴,为企业网络防御场景建立模型评测新标准。指数合并三个基准:
- CWE-Bench-AA(Collinear AI):120 个保留任务覆盖 OWASP Top 10(2025)全部十类,测试审计与修补,六种语言,确定性验证器评分;
- DeepsecBench-AA(Vercel):在给定预算内找出代码库中所有漏洞,按人类安全评审的黄金答案集计分,误报良性代码会被扣分;
- CyberGym-E2E-AA(Berkeley RDI):端到端找出内存安全 bug、写触发崩溃的 PoC、再修补使其不再复现。
成绩:Grok 4.7(xhigh)与 MiMo-V2.6-Pro 以 56 分并列第一,GPT-6 Luna(max)53 分、GLM-5.3-Flash 50 分、Muse Spark 1.3(xhigh)44 分。
安全拒答是关键变量:GPT-6 Sol、GPT-6 Astra、Claude Opus 5.5、Claude Fable 5.1、Gemini 3.8 Flash 拒绝了占指数 32-38% 权重的任务,导致落后榜首 19-31 分;其中在 CyberGym-E2E-AA 上 GPT-6 Sol/Astra 拒答率 100%,Claude Opus 5.5 达 98%。
所属事件:Artificial Analysis 发布 Cyber Index:Grok 4.7 与 MiMo 并列榜首(4 条相关)→
「安全」频道最新
- 美联储官员警告:银行已拦截 AI 智能体擅动客户账户 — Polymarket · 2026-11-16
- 美国 BIS 新规封堵第三国数据中心远程调用 AI 芯片 — teortaxesTex · 2026-11-16
- 美国 AI 出口管制豁免商业推荐系统,字节搜索算法获豁口 — zephyr_z9 · 2026-11-16
- 评测方 Trajectory 给 40 个 Agent 写「永不放弃」提示词,此前未告知 Epoch — peterwildeford · 2026-11-16
- 仅信机械可解释性报告,AI 检测结论须给出因果证据 — madeofAjala · 2026-11-16
- 模型对齐致害无人担责,研究者称法律责任真空是灾难 — LuizaJarovsky · 2026-11-16