12款大模型在动态攻防对局中表现对比

来自2077AI、UC Berkeley RDI等机构的研究团队发布CyberArena，构建对称式攻防竞技场，测试12款前沿大模型在真实网络环境下的攻防能力。经过22个批次、466场对局，GPT-5.6 Sol以78.6分位居第一，Claude Opus 5得73.8分，GLM-5.3得68.5分；在动态对抗中，多数模型攻击捕获率显著下降，凸显单机评测与实战之间的巨大差距。