BenchLeader

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。

21 / 21
#
1Claude Opus 4.693.0%62.12026-02-05
2Claude Opus 4.582.0%57.12025-11-24
3Claude Sonnet 4.560.0%53.82025-09-29
4Grok 443.0%58.12025-07-09
5Claude Opus 4.142.0%51.12025-08-05
6Grok 4.139.0%57.12025-11-17
7Claude Opus 438.0%51.92025-05-22
8Claude Sonnet 435.0%50.02025-05-22
9Grok 4 Fast30.0%–2025-09-19
10o3-minimedium22.5%46.42025-01-31
11Claude 3.7 Sonnet20.0%49.22025-02-24
12GPT-4.517.5%50.52025-02-27
13Claude 3.5 Sonnet17.5%46.82024-06-20
14GPT-4o12.5%42.82024-11-20
15o110.0%52.52024-09-12
16o1-minimedium10.0%44.42024-09-12
17Claude 3 Opus10.0%38.82024-02-29
18Llama 3.1 405B7.5%41.82024-07-23
19Mixtral 8x22B Instruct7.5%37.42024-04-17
20Gemini 1.5 Pro 001 Feb247.5%–2024-02-15
21Llama 3-70B5.0%38.72024-04-18

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,《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。