Cybench 排行榜
截至 2026年11月16日,Cybench 的最高分为 93.0%,由 Claude Opus 4.6(Anthropic)取得,领先于 Claude Opus 4.5(82.0%)。共有 21 个模型配置公布了结果(Cybench,结果日期 2026年2月5日)。Cybench 采用真实安全竞赛中的夺旗(CTF)题目,从密码学到 Web 漏洞利用,要求智能体在没有任何提示的情况下找到 flag。Cybench 计入 BenchLeader Index 的智能体与工具得分。
要点(截至 2026年11月16日)
- Claude Opus 4.6 以 93.0% 保持 Cybench 最高分(Cybench,2026年2月5日)。
- Claude Opus 4.5 以 82.0% 位列 Cybench 第二(Cybench,2025年11月24日)。
- Cybench:无提示的夺旗赛(CTF)网络安全任务(Cybench)。
- BenchLeader 上有 21 个模型配置公布了 Cybench 结果(BenchLeader,2026年11月16日)。
- Cybench 计入 BenchLeader Index 的智能体与工具类别(BenchLeader 方法论)。
无提示的夺旗赛(CTF)网络安全任务。
- 发布方
- Cybench数据经由 Epoch AI Benchmarking Hub
- 类别
- 智能体与工具
- Index 权重
- 0.5
- 模型
- 21
- 数据截至
- 2026年11月16日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
测试内容
Cybench 采用真实安全竞赛中的夺旗(CTF)题目,从密码学到 Web 漏洞利用,要求智能体在没有任何提示的情况下找到 flag。
评分方式
在固定的步数和时间预算内、无引导解出题目的百分比。
注意事项
题目难度参差不齐,结果非成即败,所以解出一两道就会改变分数。智能体脚手架影响较大,部分题目已有公开的解题报告。
- 1Claude Opus 4.693.0%
- 2Claude Opus 4.582.0%
- 3Claude Sonnet 4.560.0%
- 4Grok 443.0%
- 5Claude Opus 4.142.0%
- 6Grok 4.139.0%
- 7Claude Opus 438.0%
- 8Claude Sonnet 435.0%
- 9Grok 4 Fast30.0%
- 10o3-mini (medium)22.5%
- 11Claude 3.7 Sonnet20.0%
- 12GPT-4.517.5%
- 13Claude 3.5 Sonnet17.5%
- 14GPT-4o12.5%
- 15o110.0%
21 / 21
| # | ||||
|---|---|---|---|---|
| 1 | 93.0% | 62.1 | 2026-02-05 | |
| 2 | 82.0% | 57.1 | 2025-11-24 | |
| 3 | 60.0% | 53.8 | 2025-09-29 | |
| 4 | 43.0% | 58.1 | 2025-07-09 | |
| 5 | 42.0% | 51.1 | 2025-08-05 | |
| 6 | 39.0% | 57.1 | 2025-11-17 | |
| 7 | 38.0% | 51.9 | 2025-05-22 | |
| 8 | 35.0% | 50.0 | 2025-05-22 | |
| 9 | 30.0% | – | 2025-09-19 | |
| 10 | 22.5% | 46.4 | 2025-01-31 | |
| 11 | 20.0% | 49.2 | 2025-02-24 | |
| 12 | 17.5% | 50.5 | 2025-02-27 | |
| 13 | 17.5% | 46.8 | 2024-06-20 | |
| 14 | 12.5% | 42.8 | 2024-11-20 | |
| 15 | 10.0% | 52.5 | 2024-09-12 | |
| 16 | 10.0% | 44.4 | 2024-09-12 | |
| 17 | 10.0% | 38.8 | 2024-02-29 | |
| 18 | 7.5% | 41.8 | 2024-07-23 | |
| 19 | 7.5% | 37.4 | 2024-04-17 | |
| 20 | 7.5% | – | 2024-02-15 | |
| 21 | 5.0% | 38.7 | 2024-04-18 |
相关基准测试
引用格式:BenchLeader,《Cybench 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/cybench。
Cybench:常见问题
- Cybench 衡量的是什么?
- Cybench 采用真实安全竞赛中的夺旗(CTF)题目,从密码学到 Web 漏洞利用,要求智能体在没有任何提示的情况下找到 flag。分数以完成任务的百分比表示,越高越好。
- Cybench 的最高分是多少?
- 截至 2026年11月16日,Cybench 的最高分为 93.0%,由 Claude Opus 4.6 取得(结果日期 2026年2月5日),领先于 Claude Opus 4.5(82.0%)。分数来自 Cybench,每天重新读取。
- 哪个 AI 模型在 Cybench 上领先?
- 截至 2026年11月16日,Cybench 排名第一的是 Claude Opus 4.6,分数为 93.0%(结果日期 2026年2月5日)。其后为 Claude Opus 4.5(82.0%)。
- 有多少模型有 Cybench 结果?
- BenchLeader 上有 21 个模型配置有 Cybench 结果,全部取自 Cybench(经由 Epoch AI Benchmarking Hub)。
- Cybench 由谁运行,多久更新一次?
- Cybench 由 Cybench 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。
- Cybench 是否计入 BenchLeader Index?
- 计入。Cybench 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。