XBOW 实测：65 个漏洞 Web 应用上比拼模型挖洞性价比

mboehme_ · x · 2026-11-10

oegerikus 与 XBOW 用 65 个含真实漏洞的开源 Web 应用（RCE、XSS、SSRF、SQLi 等）测试 Claude Mythos 5.1 与 OpenAI GPT-6 系列的漏洞挖掘性价比。

XBOW Model Runtime Evals（2026-11-09）的花费-成功率曲线显示：gpt-6.1-sol 在低花费区间效率最高（约 $1 花费即达 75%+ 成功率），claude-mythos-5.1 与 gpt-6-astra 需 $10 左右才达到同等水平，gpt-6-luna 早期成功率领先但上限约 66%，各模型最终都能接近 95%。