DeepsecBench 漏洞挖掘评测：GPT-6 Sol 以 46% 居首
ArtificialAnlys · x · 2026-09-28
Artificial Analysis 发布由 Vercell 打造的 DeepsecBench-AA，专注隔离测试智能体的漏洞发现能力：给定代码库和预算，agent 需找出所有漏洞，按专家验证的金标准以 F2 打分（更重召回率，漏报代价高于误报）。
- GPT-6 Sol (max) 以 46% 领先，其后为 GPT-6 Astra（37%）、DeepSeek V4.1 Flash（31%）、Grok 4.7（27%）、Claude Opus 5.5（27%）
- 性价比帕累托前沿：GPT-6 Sol（$1.83/任务）、DeepSeek V4.1 Flash（$0.31/任务）、MiMo-V2.6-Pro（$0.09/任务）
「模型」频道最新
- 用户实测:GPT 最高推理档理论证明仍藏 bug — MvsCerezo · 2026-09-29
- 让 Opus 5.5 自己解释动画是怎么做的:它生成 2 分钟第一性原理讲解视频 — jnack · 2026-09-29
- Gemini 3.5 Pro 被砍：吐槽称正确做法是宣称「太危险不宜发布」 — signulll · 2026-09-29
- 实测:$200 Claude Code 订阅每月可白嫖约 9000 美元 Opus 用量 — RexDouglass · 2026-09-29
- Bindu Reddy 实测:「Sonnet 5.5」各档位都不行,不如 Sol 5.6 — bindureddy · 2026-09-29
- 同提示四模型横评：Claude Sonnet 明显胜过 OpenAI 两款模型 — sven_ai · 2026-09-29