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。
- 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.
- 1Kimi K3.1 Pro94.7%
- 2GPT-6 Sol (Daybreak Blue, max) (max)93.1%
- 3Mistral Large 481.7%
- 4Mistral Large 4 (high)79.4%
- 5MiMo-V2.6-Pro78.6%
- 6GPT-6 Luna (max)77.9%
- 7DeepSeek V4.1 Flash 1017 (max)76.3%
- 8Step 5 Preview74.8%
- 9GLM 5.3 Flash74.0%
- 10Grok 4.7 (xhigh)74.0%
- 11Hy472.5%
- 12Mistral Large 4 (medium)71.8%
- 13Muse Spark 1.3 (xhigh)59.5%
- 14Kimi K3 (max)58.0%
- 15Beam 1.045.0%
26 / 26
| # | ||||
|---|---|---|---|---|
| 1 | 94.7% | 61.8 | 2026-10-23 | |
| 2 | 93.1% | – | 2026-09-22 | |
| 3 | 81.7% | 52.9 | 2026-10-06 | |
| 4 | 79.4% | 48.3 | 2026-10-29 | |
| 5 | 78.6% | 57.5 | 2026-09-21 | |
| 6 | 77.9% | 55.1 | 2026-09-22 | |
| 7 | 76.3% | 57.7 | 2026-10-17 | |
| 8 | 74.8% | 56.0 | 2026-09-18 | |
| 9 | 74.0% | 57.8 | 2026-08-26 | |
| 10 | 74.0% | 57.4 | 2026-09-21 | |
| 11 | 72.5% | 56.7 | 2026-11-03 | |
| 12 | 71.8% | 45.9 | 2026-10-29 | |
| 13 | 59.5% | 58.1 | 2026-09-02 | |
| 14 | 58.0% | 60.2 | 2026-07-16 | |
| 15 | 45.0% | 45.9 | 2026-10-16 | |
| 16 | 29.0% | 58.8 | 2026-08-18 | |
| 17 | 24.4% | 56.1 | 2026-06-01 | |
| 18 | 22.9% | 58.5 | 2026-09-10 | |
| 19 | 10.7% | 49.1 | 2026-06-04 | |
| 20 | 8.4% | 59.4 | 2026-09-02 | |
| 21 | 0.8% | 68.4 | 2026-09-22 | |
| 22 | 0.8% | 66.7 | 2026-09-01 | |
| 23 | 0.0% | 67.3 | 2026-09-03 | |
| 24 | 0.0% | 62.6 | 2026-09-22 | |
| 25 | 0.0% | 52.2 | 2026-08-14 | |
| 26 | 0.0% | 51.4 | 2026-08-12 |
相关基准测试
CyberGym end-to-end (AA) 上的热门模型对比
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。