BenchLeader

CWE-Bench (AA) 排行榜

截至 2026年11月16日,CWE-Bench (AA) 的最高分为 75.8%,由 Hy4(Tencent)取得,领先于 DeepSeek V4.1 Flash 1017(69.2%)。共有 26 个模型配置公布了结果(Artificial Analysis,结果日期 2026年11月3日)。在真实仓库中发现并修复 CWE 所列类型的漏洞。由 Artificial Analysis 运行。CWE-Bench (AA) 计入 BenchLeader Index 的智能体与工具得分。

要点(截至 2026年11月16日)

  • Hy4 以 75.8% 保持 CWE-Bench (AA) 最高分(Artificial Analysis,2026年11月3日)。
  • DeepSeek V4.1 Flash 1017 以 69.2% 位列 CWE-Bench (AA) 第二(Artificial Analysis,2026年10月17日)。
  • CWE-Bench (AA):在真实仓库中发现并修复 CWE 所列类型的漏洞。由 Artificial Analysis 运行(Artificial Analysis)。
  • BenchLeader 上有 26 个模型配置公布了 CWE-Bench (AA) 结果(BenchLeader,2026年11月16日)。
  • CWE-Bench (AA) 计入 BenchLeader Index 的智能体与工具类别(BenchLeader 方法论)。

在真实仓库中发现并修复 CWE 所列类型的漏洞。由 Artificial Analysis 运行。

发布方
Artificial Analysis
类别
智能体与工具
Index 权重
0.5
模型
26
数据截至
2026年11月16日

Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.

26 / 26
#
1Hy475.8%56.72026-11-03
2DeepSeek V4.1 Flash 1017max69.2%57.72026-10-17
3DeepSeek V4.1 Flashmax68.3%58.52026-09-10
4Grok 4.7xhigh68.3%57.42026-09-21
5GPT-6 Sol (Daybreak Blue, max)max64.7%–2026-09-22
6GPT-6 Solmax64.2%62.62026-09-22
7GPT-6 Astramax63.3%67.32026-09-03
8MiMo-V2.6-Pro63.3%57.52026-09-21
9Kimi K3.1 Pro60.8%61.82026-10-23
10Muse Spark 1.3xhigh60.8%58.12026-09-02
11Claude Opus 5.5max58.3%68.42026-09-22
12Mistral Large 4high58.3%48.32026-10-29
13GPT-6 Lunamax56.7%55.12026-09-22
14GLM 5.3max55.8%58.82026-08-18
15GLM 5.3 Flash55.8%57.82026-08-26
16Kimi K3max53.3%60.22026-07-16
17Gemini 3.8 Flashhigh52.5%59.42026-09-02
18Step 5 Preview52.5%56.02026-09-18
19Claude Fable 5.1max50.8%66.72026-09-01
20Mistral Large 450.8%52.92026-10-06
21Mistral Large 4medium50.0%45.92026-10-29
22Beam 1.049.2%45.92026-10-16
23MiniMax M341.7%56.12026-06-01
24Qwen3.8 2.4T A95B28.3%51.42026-08-12
25Nemotron 3 Ultra 550B A55Bthinking27.5%49.12026-06-04
26Qwen3.8 27Bxhigh26.7%52.22026-08-14

更多智能体与工具基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《CWE-Bench (AA) 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/aa_cwe_bench。

CWE-Bench (AA):常见问题

CWE-Bench (AA) 衡量的是什么?
在真实仓库中发现并修复 CWE 所列类型的漏洞。由 Artificial Analysis 运行。分数以完成任务的百分比表示,越高越好。
CWE-Bench (AA) 的最高分是多少?
截至 2026年11月16日,CWE-Bench (AA) 的最高分为 75.8%,由 Hy4 取得(结果日期 2026年11月3日),领先于 DeepSeek V4.1 Flash 1017(69.2%)。分数来自 Artificial Analysis,每天重新读取。
哪个 AI 模型在 CWE-Bench (AA) 上领先?
截至 2026年11月16日,CWE-Bench (AA) 排名第一的是 Hy4,分数为 75.8%(结果日期 2026年11月3日)。其后为 DeepSeek V4.1 Flash 1017(69.2%)。
有多少模型有 CWE-Bench (AA) 结果?
BenchLeader 上有 26 个模型配置有 CWE-Bench (AA) 结果,全部取自 Artificial Analysis。
CWE-Bench (AA) 由谁运行,多久更新一次?
CWE-Bench (AA) 由 Artificial Analysis 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
CWE-Bench (AA) 是否计入 BenchLeader Index?
计入。CWE-Bench (AA) 计入 BenchLeader Index 的智能体与工具类别,并经过归一化,使参评模型的平均值为 50。