BenchLeader

CyberGym end-to-end (AA) 排行榜

截至 2026年11月16日,CyberGym end-to-end (AA) 的最高分为 94.7%,由 Kimi K3.1 Pro(Moonshot AI)取得,领先于 GPT-6 Sol (Daybreak Blue, max)(93.1%)。共有 26 个模型配置公布了结果(Artificial Analysis,结果日期 2026年10月23日)。在一次运行中完成从漏洞利用到修补的完整流程,端到端评分。由 Artificial Analysis 运行。CyberGym end-to-end (AA) 计入 BenchLeader Index 的智能体与工具得分。

要点(截至 2026年11月16日)

  • Kimi K3.1 Pro 以 94.7% 保持 CyberGym end-to-end (AA) 最高分(Artificial Analysis,2026年10月23日)。
  • GPT-6 Sol (Daybreak Blue, max) 以 93.1% 位列 CyberGym end-to-end (AA) 第二(Artificial Analysis,2026年9月22日)。
  • CyberGym end-to-end (AA):在一次运行中完成从漏洞利用到修补的完整流程,端到端评分。由 Artificial Analysis 运行(Artificial Analysis)。
  • BenchLeader 上有 26 个模型配置公布了 CyberGym end-to-end (AA) 结果(BenchLeader,2026年11月16日)。
  • CyberGym end-to-end (AA) 计入 BenchLeader Index 的智能体与工具类别(BenchLeader 方法论)。

在一次运行中完成从漏洞利用到修补的完整流程,端到端评分。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
#
1Kimi K3.1 Pro94.7%61.82026-10-23
2GPT-6 Sol (Daybreak Blue, max)max93.1%–2026-09-22
3Mistral Large 481.7%52.92026-10-06
4Mistral Large 4high79.4%48.32026-10-29
5MiMo-V2.6-Pro78.6%57.52026-09-21
6GPT-6 Lunamax77.9%55.12026-09-22
7DeepSeek V4.1 Flash 1017max76.3%57.72026-10-17
8Step 5 Preview74.8%56.02026-09-18
9GLM 5.3 Flash74.0%57.82026-08-26
10Grok 4.7xhigh74.0%57.42026-09-21
11Hy472.5%56.72026-11-03
12Mistral Large 4medium71.8%45.92026-10-29
13Muse Spark 1.3xhigh59.5%58.12026-09-02
14Kimi K3max58.0%60.22026-07-16
15Beam 1.045.0%45.92026-10-16
16GLM 5.3max29.0%58.82026-08-18
17MiniMax M324.4%56.12026-06-01
18DeepSeek V4.1 Flashmax22.9%58.52026-09-10
19Nemotron 3 Ultra 550B A55Bthinking10.7%49.12026-06-04
20Gemini 3.8 Flashhigh8.4%59.42026-09-02
21Claude Opus 5.5max0.8%68.42026-09-22
22Claude Fable 5.1max0.8%66.72026-09-01
23GPT-6 Astramax0.0%67.32026-09-03
24GPT-6 Solmax0.0%62.62026-09-22
25Qwen3.8 27Bxhigh0.0%52.22026-08-14
26Qwen3.8 2.4T A95B0.0%51.42026-08-12

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,《CyberGym end-to-end (AA) 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/aa_cybergym_e2e。

CyberGym end-to-end (AA):常见问题

CyberGym end-to-end (AA) 衡量的是什么?
在一次运行中完成从漏洞利用到修补的完整流程,端到端评分。由 Artificial Analysis 运行。分数以完成任务的百分比表示,越高越好。
CyberGym end-to-end (AA) 的最高分是多少?
截至 2026年11月16日,CyberGym end-to-end (AA) 的最高分为 94.7%,由 Kimi K3.1 Pro 取得(结果日期 2026年10月23日),领先于 GPT-6 Sol (Daybreak Blue, max)(93.1%)。分数来自 Artificial Analysis,每天重新读取。
哪个 AI 模型在 CyberGym end-to-end (AA) 上领先?
截至 2026年11月16日,CyberGym end-to-end (AA) 排名第一的是 Kimi K3.1 Pro,分数为 94.7%(结果日期 2026年10月23日)。其后为 GPT-6 Sol (Daybreak Blue, max)(93.1%)。
有多少模型有 CyberGym end-to-end (AA) 结果?
BenchLeader 上有 26 个模型配置有 CyberGym end-to-end (AA) 结果,全部取自 Artificial Analysis。
CyberGym end-to-end (AA) 由谁运行,多久更新一次?
CyberGym end-to-end (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。
CyberGym end-to-end (AA) 是否计入 BenchLeader Index?
计入。CyberGym end-to-end (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。