前沿大厂网络安全评测用 SEC-Bench Pro：183 个真实漏洞考 agent 写 PoC

NielsRogge · x · 2026-11-03

Niels Rogge 介绍，Google、DeepSeek、OpenAI 等前沿实验室现在报告的网络安全评测之一是 SEC-Bench Pro，由 @hwiwonl 创建，包含 V8 与 SpiderMonkey JavaScript 引擎中的 183 个真实漏洞。任务要求 agent 在没有原始 PoC 或补丁的情况下，自行编写触发每个漏洞的概念验证代码。引用的榜单显示 Gemini 4 Carbon 以 88.2% 领先 GPT-6 Astra 的 85.4%，GPT-6.1 Terra（83.3%）和 GPT-6.1 Sol（78.8%）更低。