Meta 新模型 exploit 成绩仅 21，远低于 Claude 各型号数百次
scaling01 · x · 2026-10-13
scaling01 发布两张对比图，比较 Meta Muse Wonder Full 与 Anthropic 各模型在漏洞利用基准上的官方成绩，配文"我想知道这里发生了什么"。
- ExploitGym（意图漏洞利用成功数）：Muse Wonder Full 仅 21 次（采用 21 次验证成功，而非 92 次原始 flag 捕获）；Claude Opus 5 为 191，Claude Mythos 5 为 247，Claude Mythos 5.1 为 264，Claude Opus 5.5 高达 300。
- ExploitBench（百分比得分）：Muse Wonder Full 为 58.9%，Claude Opus 5 为 75%（在 Opus 5.5 对比报告中为 75%，原报告为 70%），Claude Mythos 5 为 78%，Mythos 5.1 为 83%，Opus 5.5 为 91%。
- 图注提醒：Anthropic 结果为已发布的 6 小时运行，双方评估预算与设置不同，应比较已发布结果而非同等预算下的能力；ExploitBench 有部分得分机制，并非完整漏洞成功率，Meta 的计分聚合方式也未确认与 Anthropic 一致。
整体看，Meta 新模型在这两个安全/漏洞利用基准上与 Claude 系列存在明显差距。
「模型」频道最新
- Alexandr Wang称Muse Wonder主打自然沟通:为所有人造模型 — alexandr_wang · 2026-10-13
- 用户吐槽:Opus 5.5 用久了也变「敷衍」,需要人反复兜底 — audrow · 2026-10-13
- Hub 新品类「决策模型」走红:不要文字,要能写进 if 语句的数字 — erhannah · 2026-10-13
- 实测 Muse Wonder 生成讲解视频：效果粗糙，旁白全是澳式口音 — danshipper · 2026-10-13
- 头部模型份额暴跌:十大模型token占比从55%跌至14% — GaryMarcus · 2026-10-13
- 用户反馈 DeepSeek V4.1 静默更新后编辑失败率极高 — teortaxesTex · 2026-10-13