CyberBenchのリーダーボード
2026年11月16日時点で、CyberBenchの最高スコアは80.4%で、Muse Wonder(Meta)が記録しています。次点はGPT-6 Solの78.0%です。公表された結果があるのは46のモデル構成です(Vals AI、結果の日付は2026年11月5日)。脆弱性を含むコードベースを渡し、エージェントにそれを見つけてパッチを当てさせます。エクスプロイトが通用しなくなり、テストにも合格する必要があります。CyberBenchは参考として掲載しており、BenchLeader Indexには含まれません。
要点(2026年11月16日時点)
- Muse WonderがCyberBenchの最高スコア80.4%を記録しています(Vals AI、2026年11月5日)。
- CyberBenchの2位はGPT-6 Solで、78.0%です(Vals AI、2026年11月5日)。
- CyberBench:実際のコードにあるセキュリティバグを見つけて修正するタスク。Vals AIが実施(Vals AI)。
- BenchLeaderでは46のモデル構成にCyberBenchの公表結果があります(BenchLeader、2026年11月16日)。
- CyberBenchはBenchLeader Indexには反映されず、参考として掲載しています(BenchLeaderの評価方法)。
実際のコードにあるセキュリティバグを見つけて修正するタスク。Vals AIが実施。
- 公開元
- Vals AI
- カテゴリ
- エージェント・ツール
- Indexでの重み
- 参考のみ
- モデル
- 46
- データ基準日
- 2026年11月16日
Vals AI (vals.ai).
どんなテストか
脆弱性を含むコードベースを渡し、エージェントにそれを見つけてパッチを当てさせます。エクスプロイトが通用しなくなり、テストにも合格する必要があります。
採点方法
修正できた脆弱性の割合で、Vals AIが実行しています。
注意点
CybenchのCTF形式を、防御側の作業で補完するものです。
- 1Muse Wonder (max)80.4%
- 2GPT-6 Sol (max)78.0%
- 3Gemini 4 Argon (high)77.9%
- 4GPT-5.6 Sol (max)76.3%
- 5GPT-6 Luna (max)76.3%
- 6Claude Haiku 5.5 (max)75.5%
- 7MiMo-V2.6-Flash75.4%
- 8Kimi K3 (max)75.2%
- 9DeepSeek V4.1 Flash (high)73.7%
- 10Muse Wonder Full (max)73.6%
- 11GPT-5.6 Luna (max)73.6%
- 12Daybreak Blue (max)73.0%
- 13MiMo-V2.6-Pro72.9%
- 14DeepSeek V4 Pro (max)72.9%
- 15Muse Spark 1.3 (max)72.7%
46件中46件
| # | |||||
|---|---|---|---|---|---|
| 1 | 80.4% | 60.8 | $3.66 | 2026-11-05 | |
| 2 | 78.0% | 62.6 | $1.34 | 2026-11-05 | |
| 3 | 77.9% | 65.3 | $5.11 | 2026-11-05 | |
| 4 | 76.3% | 65.3 | $3.05 | 2026-11-05 | |
| 5 | 76.3% | 55.1 | $0.134 | 2026-11-05 | |
| 6 | 75.5% | 55.3 | $1.25 | 2026-11-05 | |
| 7 | 75.4% | 54.8 | $0.046 | 2026-11-05 | |
| 8 | 75.2% | 60.2 | $2.13 | 2026-11-05 | |
| 9 | 73.7% | 55.6 | $0.105 | 2026-11-05 | |
| 10 | 73.6% | 61.7 | $3.63 | 2026-11-05 | |
| 11 | 73.6% | 56.2 | $0.404 | 2026-11-05 | |
| 12 | 73.0% | – | $3.97 | 2026-11-05 | |
| 13 | 72.9% | 57.5 | $0.094 | 2026-11-05 | |
| 14 | 72.9% | 54.7 | $0.593 | 2026-11-05 | |
| 15 | 72.7% | 60.6 | $3.34 | 2026-11-05 | |
| 16 | 72.7% | 57.9 | $1.27 | 2026-11-05 | |
| 17 | 72.1% | 59.5 | $3.31 | 2026-11-05 | |
| 18 | 72.1% | 58.8 | $2.69 | 2026-11-05 | |
| 19 | 72.1% | 57.2 | $0.193 | 2026-11-05 | |
| 20 | 71.0% | 56.8 | $2.95 | 2026-11-05 | |
| 21 | 70.4% | 66.7 | $4.01 | 2026-11-05 | |
| 22 | 69.5% | 61.5 | $2.15 | 2026-11-05 | |
| 23 | Ember-1 | 69.5% | – | $2.43 | 2026-11-05 |
| 24 | 69.5% | 57.4 | $8.54 | 2026-11-05 | |
| 25 | 69.4% | 58.1 | $4.26 | 2026-11-05 | |
| 26 | 67.9% | 52.4 | $0.284 | 2026-11-05 | |
| 27 | 67.8% | 52.2 | $0.990 | 2026-11-05 | |
| 28 | 67.7% | 60.6 | $4.07 | 2026-11-05 | |
| 29 | 66.8% | 50.4 | $1.46 | 2026-11-05 | |
| 30 | 65.4% | 65.0 | $3.53 | 2026-11-05 | |
| 31 | 65.4% | 56.7 | $0.458 | 2026-11-05 | |
| 32 | 65.0% | 56.1 | $3.41 | 2026-11-05 | |
| 33 | 64.1% | 52.0 | $0.252 | 2026-11-05 | |
| 34 | 61.9% | 56.1 | $1.89 | 2026-11-05 | |
| 35 | 59.6% | 64.2 | $2.91 | 2026-11-05 | |
| 36 | 59.1% | 47.8 | $0.425 | 2026-11-05 | |
| 37 | 58.3% | – | $0.104 | 2026-11-05 | |
| 38 | 55.4% | 68.4 | $2.85 | 2026-11-05 | |
| 39 | 45.5% | – | $0.125 | 2026-11-05 | |
| 40 | 45.4% | 61.0 | $1.31 | 2026-11-05 | |
| 41 | 43.8% | 62.1 | $2.15 | 2026-11-05 | |
| 42 | 43.8% | 59.4 | $1.96 | 2026-11-05 | |
| 43 | 41.1% | 67.3 | $1.84 | 2026-11-05 | |
| 44 | 39.3% | 66.6 | $0.285 | 2026-11-05 | |
| 45 | 29.5% | – | $0.093 | 2026-11-05 | |
| 46 | 28.6% | 58.7 | $0.785 | 2026-11-05 |
エージェント・ツールのベンチマークをもっと見る · LLMベンチマーク一覧
関連するベンチマーク
CyberBenchでの注目のモデル比較
引用表記:BenchLeader「CyberBenchのリーダーボード」2026年11月16日時点のデータ、https://www.benchleader.com/ja/benchmarks/vals_cyber
CyberBench:よくある質問
- CyberBenchは何を測るベンチマークですか?
- 脆弱性を含むコードベースを渡し、エージェントにそれを見つけてパッチを当てさせます。エクスプロイトが通用しなくなり、テストにも合格する必要があります。スコアは解けたタスクの割合(%)で示され、高いほど良い結果です。
- CyberBenchの最高スコアは?
- 2026年11月16日時点で、CyberBenchの最高スコアは80.4%で、Muse Wonderが記録しています(結果の日付は2026年11月5日)。次点はGPT-6 Solの78.0%です。スコアはVals AIの公表値で、毎日読み直しています。
- CyberBenchでトップのAIモデルは?
- 2026年11月16日時点で、CyberBenchの首位はMuse Wonderで、スコアは80.4%です(結果の日付は2026年11月5日)。続いてGPT-6 Sol(78.0%)です。
- CyberBenchの結果があるモデルはいくつですか?
- BenchLeaderでは46のモデル構成にCyberBenchの結果があり、すべてVals AIから取得しています。
- CyberBenchを運営しているのは誰で、どのくらいの頻度で更新されますか?
- CyberBenchはVals AIが公開しています。BenchLeaderは公開された結果を1日1回読み直し、各結果の公開日を記録しています。
- CyberBenchはBenchLeader Indexに含まれますか?
- いいえ。CyberBenchは参考として掲載していますが、総合スコアには含めていません。