12款大模型攻防对局评测完成
热点事件持续更新
12款大模型攻防对局评测完成
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2077AI、UC Berkeley RDI等研究团队构建CyberArena动态攻防竞技场，对12款前沿大模型进行466场实时对抗测试。GPT-5.6 Sol以78.6分位居第一，Claude Opus 5得73.8分，GLM-5.3以68.5分排名第三，其余模型得分在56.3至67.1分之间。 每轮对局持续20分钟，共三轮，平台每轮重新部署新目标且上轮补丁保留；防守方若因攻击导致服务不可用则丢分。评测显示多数模型在动态对抗中攻击捕获率显著下降，暴露单机评测与真实攻防环境间的巨大差距。
AI 根据报道生成 · 1 小时前更新
最新进展11月5日 08:13
12款大模型在动态攻防对局中表现对比报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- 36氪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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。