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
- 网友晒 Qwen 4 Max 生成珊瑚礁作品,模型名尚未官方发布 — intellectronica · 2026-11-16
- Devin 中现 stealth 模型 silicon-2,疑似 Anthropic 新模型 — kimmonismus · 2026-11-16
- Google AI Mode隐藏所用Gemini型号,Gemini 4 Carbon下放Pro用户 — gaganghotra_ · 2026-11-16
- 开源 Karpo-Decision-31B 单次前向出概率,登顶 Decision Index 超越 Gemini — CodeByPoonam · 2026-11-16
- AI 日报:DeepSeek 限额、千问砍价惹店公告、豆包工作台上线 — 快鲤鱼 · 2026-11-16
- Nathan Lambert 点破 Ethan Mollick 榜单对比漏掉了 Kimi — natolambert · 2026-11-16