CyberBinGym 成绩单：Codex 漏洞复现 88%、利用 20%，Kimi 利用为 0
dawnsongtweets · x · 2026-11-12
CyberBinGym 线程公布三家 Agent 的成绩（漏洞复现/端到端利用）：Codex（GPT-5.6 Sol）88%/20%，Claude Code（Claude Opus 5）85%/6%，Kimi Code（Kimi K3）64%/0%。
评分分两档：漏洞复现要求 PoC 只在漏洞版触发 sanitizer 崩溃；利用要求从独立受害服务中取回 secret flag。三家都能从补丁复现大多数漏洞，但真正的 exploit 生成仍难得多——不过纯二进制条件下的利用已进入可行范围。
所属事件:Dawn Song 团队发布 CyberBinGym：AI 仅凭二进制补丁即可写出真实漏洞利用(9 条相关)→
「模型」频道最新
- Fable 5.2 拒答率大降，但 BullshitBench 排名跌至 40 与 53 名 — burny_tech · 2026-11-12
- Artificial Analysis 实测：Claude 升一档模型比拉满推理力度更省钱 — ArtificialAnlys · 2026-11-12
- Google 官方展示 Gemini 4 Carbon 实战：从零写 CUDA 视效引擎 — burny_tech · 2026-11-12
- Claude iOS 版曝光 Saved logins 功能，可保存网站登录凭证供 Agent 使用 — testingcatalog · 2026-11-12
- 让 Fable 5.2 复原 600 年前无谱四声部对位法并现场作曲 — imjustnewatai · 2026-11-12
- GPT-Live 亮相 VapiCon：OpenAI 主攻自然语音与前沿智能兼顾 — juberti · 2026-11-12