ValsAI 新评测：Opus 5.5 攻防测试称王，$17 花费即突破 Watershed
teortaxesTex · x · 2026-11-11
评测机构 ValsAI 在 CyberOffense 评测中新增 Watershed 场景，模拟真实 AWS 生产环境（Kubernetes 集群、ECS 主机 fleet 及真实云身份与策略），测量模型的进攻性网络安全能力。
关键结果：
- Claude Opus 5.5 三场景平均分 77.1% 居首，Watershed 拿下 55.7/100，远超第二名 GPT-6 Sol Daybreak（36/100，总均分 65.9%）
- DeepSeek V4.1 Flash 1017 总均分 54.8%，Kimi K3.1 Pro 53.8%，Meta Wonder 47.2%，Grok 4.7 42.3%
- Kimi K3 在 Watershed 得 0 分，GLM 5.3 Flash 总均分仅 18.3%
成本曲线图显示 Opus 5.5 前期进度落后，但在约 $17 花费处实现突破后迅速攻穿系统；转发者 teortaxesTex 认为若继续施压，Opus 在 $100 内可能打穿整个靶场。
「模型」频道最新
- 让 Claude 自主做科研：找到证据挑战「线粒体比细胞热10-15°C」经典结论 — paraschopra · 2026-11-11
- Burkov 质疑马斯克「最强模型」论：没有实验室能长期领先 — burkov · 2026-11-11
- Qwen 新旗舰 Qoduck 疑为 -Max 变体，试用者：不及 GLM-5.3，更远逊 Opus 5.5 — bclavie · 2026-11-11
- 百度发布 ERNIE 5.5 Flash 预览版:280B 总参 14B 激活,11 月 25 日开源 — Baidu_Inc · 2026-11-11
- Yang-Mills 工作组独立验证 OpenAI 构造:证实 Wightman 公理但未证质量隙 — calabi_and_yau · 2026-11-11
- 不改一个权重,softmax 温度就能把 AI 预测置信度拉到 99% — techNmak · 2026-11-11