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。
- 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.
- 1Hy475.8%
- 2DeepSeek V4.1 Flash 1017 (max)69.2%
- 3DeepSeek V4.1 Flash (max)68.3%
- 4Grok 4.7 (xhigh)68.3%
- 5GPT-6 Sol (Daybreak Blue, max) (max)64.7%
- 6GPT-6 Sol (max)64.2%
- 7GPT-6 Astra (max)63.3%
- 8MiMo-V2.6-Pro63.3%
- 9Kimi K3.1 Pro60.8%
- 10Muse Spark 1.3 (xhigh)60.8%
- 11Claude Opus 5.5 (max)58.3%
- 12Mistral Large 4 (high)58.3%
- 13GPT-6 Luna (max)56.7%
- 14GLM 5.3 (max)55.8%
- 15GLM 5.3 Flash55.8%
26 / 26
| # | ||||
|---|---|---|---|---|
| 1 | 75.8% | 56.7 | 2026-11-03 | |
| 2 | 69.2% | 57.7 | 2026-10-17 | |
| 3 | 68.3% | 58.5 | 2026-09-10 | |
| 4 | 68.3% | 57.4 | 2026-09-21 | |
| 5 | 64.7% | – | 2026-09-22 | |
| 6 | 64.2% | 62.6 | 2026-09-22 | |
| 7 | 63.3% | 67.3 | 2026-09-03 | |
| 8 | 63.3% | 57.5 | 2026-09-21 | |
| 9 | 60.8% | 61.8 | 2026-10-23 | |
| 10 | 60.8% | 58.1 | 2026-09-02 | |
| 11 | 58.3% | 68.4 | 2026-09-22 | |
| 12 | 58.3% | 48.3 | 2026-10-29 | |
| 13 | 56.7% | 55.1 | 2026-09-22 | |
| 14 | 55.8% | 58.8 | 2026-08-18 | |
| 15 | 55.8% | 57.8 | 2026-08-26 | |
| 16 | 53.3% | 60.2 | 2026-07-16 | |
| 17 | 52.5% | 59.4 | 2026-09-02 | |
| 18 | 52.5% | 56.0 | 2026-09-18 | |
| 19 | 50.8% | 66.7 | 2026-09-01 | |
| 20 | 50.8% | 52.9 | 2026-10-06 | |
| 21 | 50.0% | 45.9 | 2026-10-29 | |
| 22 | 49.2% | 45.9 | 2026-10-16 | |
| 23 | 41.7% | 56.1 | 2026-06-01 | |
| 24 | 28.3% | 51.4 | 2026-08-12 | |
| 25 | 27.5% | 49.1 | 2026-06-04 | |
| 26 | 26.7% | 52.2 | 2026-08-14 |
相关基准测试
CWE-Bench (AA) 上的热门模型对比
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。