CyberBench 排行榜
截至 2026年11月16日,CyberBench 的最高分为 80.4%,由 Muse Wonder(Meta)取得,领先于 GPT-6 Sol(78.0%)。共有 46 个模型配置公布了结果(Vals AI,结果日期 2026年11月5日)。给定一个含有漏洞的代码库,智能体必须找到漏洞并打补丁,使漏洞利用失效且测试仍然通过。CyberBench 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Muse Wonder 以 80.4% 保持 CyberBench 最高分(Vals AI,2026年11月5日)。
- GPT-6 Sol 以 78.0% 位列 CyberBench 第二(Vals AI,2026年11月5日)。
- CyberBench:在真实代码中发现并修补安全漏洞。由 Vals AI 运行(Vals AI)。
- BenchLeader 上有 46 个模型配置公布了 CyberBench 结果(BenchLeader,2026年11月16日)。
- CyberBench 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
在真实代码中发现并修补安全漏洞。由 Vals AI 运行。
- 发布方
- Vals AI
- 类别
- 智能体与工具
- Index 权重
- 仅作参考
- 模型
- 46
- 数据截至
- 2026年11月16日
Vals AI (vals.ai).
测试内容
给定一个含有漏洞的代码库,智能体必须找到漏洞并打补丁,使漏洞利用失效且测试仍然通过。
评分方式
修复漏洞的百分比,由 Vals AI 运行。
注意事项
以防御性工作补充 Cybench 的夺旗式设定。
- 1Muse Wonder (max)80.4%
- 2GPT-6 Sol (max)78.0%
- 3Gemini 4 Argon (high)77.9%
- 4GPT-5.6 Sol (max)76.3%
- 5GPT-6 Luna (max)76.3%
- 6Claude Haiku 5.5 (max)75.5%
- 7MiMo-V2.6-Flash75.4%
- 8Kimi K3 (max)75.2%
- 9DeepSeek V4.1 Flash (high)73.7%
- 10Muse Wonder Full (max)73.6%
- 11GPT-5.6 Luna (max)73.6%
- 12Daybreak Blue (max)73.0%
- 13MiMo-V2.6-Pro72.9%
- 14DeepSeek V4 Pro (max)72.9%
- 15Muse Spark 1.3 (max)72.7%
46 / 46
| # | |||||
|---|---|---|---|---|---|
| 1 | 80.4% | 60.8 | $3.66 | 2026-11-05 | |
| 2 | 78.0% | 62.6 | $1.34 | 2026-11-05 | |
| 3 | 77.9% | 65.3 | $5.11 | 2026-11-05 | |
| 4 | 76.3% | 65.3 | $3.05 | 2026-11-05 | |
| 5 | 76.3% | 55.1 | $0.134 | 2026-11-05 | |
| 6 | 75.5% | 55.3 | $1.25 | 2026-11-05 | |
| 7 | 75.4% | 54.8 | $0.046 | 2026-11-05 | |
| 8 | 75.2% | 60.2 | $2.13 | 2026-11-05 | |
| 9 | 73.7% | 55.6 | $0.105 | 2026-11-05 | |
| 10 | 73.6% | 61.7 | $3.63 | 2026-11-05 | |
| 11 | 73.6% | 56.2 | $0.404 | 2026-11-05 | |
| 12 | 73.0% | – | $3.97 | 2026-11-05 | |
| 13 | 72.9% | 57.5 | $0.094 | 2026-11-05 | |
| 14 | 72.9% | 54.7 | $0.593 | 2026-11-05 | |
| 15 | 72.7% | 60.6 | $3.34 | 2026-11-05 | |
| 16 | 72.7% | 57.9 | $1.27 | 2026-11-05 | |
| 17 | 72.1% | 59.5 | $3.31 | 2026-11-05 | |
| 18 | 72.1% | 58.8 | $2.69 | 2026-11-05 | |
| 19 | 72.1% | 57.2 | $0.193 | 2026-11-05 | |
| 20 | 71.0% | 56.8 | $2.95 | 2026-11-05 | |
| 21 | 70.4% | 66.7 | $4.01 | 2026-11-05 | |
| 22 | 69.5% | 61.5 | $2.15 | 2026-11-05 | |
| 23 | Ember-1 | 69.5% | – | $2.43 | 2026-11-05 |
| 24 | 69.5% | 57.4 | $8.54 | 2026-11-05 | |
| 25 | 69.4% | 58.1 | $4.26 | 2026-11-05 | |
| 26 | 67.9% | 52.4 | $0.284 | 2026-11-05 | |
| 27 | 67.8% | 52.2 | $0.990 | 2026-11-05 | |
| 28 | 67.7% | 60.6 | $4.07 | 2026-11-05 | |
| 29 | 66.8% | 50.4 | $1.46 | 2026-11-05 | |
| 30 | 65.4% | 65.0 | $3.53 | 2026-11-05 | |
| 31 | 65.4% | 56.7 | $0.458 | 2026-11-05 | |
| 32 | 65.0% | 56.1 | $3.41 | 2026-11-05 | |
| 33 | 64.1% | 52.0 | $0.252 | 2026-11-05 | |
| 34 | 61.9% | 56.1 | $1.89 | 2026-11-05 | |
| 35 | 59.6% | 64.2 | $2.91 | 2026-11-05 | |
| 36 | 59.1% | 47.8 | $0.425 | 2026-11-05 | |
| 37 | 58.3% | – | $0.104 | 2026-11-05 | |
| 38 | 55.4% | 68.4 | $2.85 | 2026-11-05 | |
| 39 | 45.5% | – | $0.125 | 2026-11-05 | |
| 40 | 45.4% | 61.0 | $1.31 | 2026-11-05 | |
| 41 | 43.8% | 62.1 | $2.15 | 2026-11-05 | |
| 42 | 43.8% | 59.4 | $1.96 | 2026-11-05 | |
| 43 | 41.1% | 67.3 | $1.84 | 2026-11-05 | |
| 44 | 39.3% | 66.6 | $0.285 | 2026-11-05 | |
| 45 | 29.5% | – | $0.093 | 2026-11-05 | |
| 46 | 28.6% | 58.7 | $0.785 | 2026-11-05 |
相关基准测试
CyberBench 上的热门模型对比
引用格式:BenchLeader,《CyberBench 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/vals_cyber。
CyberBench:常见问题
- CyberBench 衡量的是什么?
- 给定一个含有漏洞的代码库,智能体必须找到漏洞并打补丁,使漏洞利用失效且测试仍然通过。分数以完成任务的百分比表示,越高越好。
- CyberBench 的最高分是多少?
- 截至 2026年11月16日,CyberBench 的最高分为 80.4%,由 Muse Wonder 取得(结果日期 2026年11月5日),领先于 GPT-6 Sol(78.0%)。分数来自 Vals AI,每天重新读取。
- 哪个 AI 模型在 CyberBench 上领先?
- 截至 2026年11月16日,CyberBench 排名第一的是 Muse Wonder,分数为 80.4%(结果日期 2026年11月5日)。其后为 GPT-6 Sol(78.0%)。
- 有多少模型有 CyberBench 结果?
- BenchLeader 上有 46 个模型配置有 CyberBench 结果,全部取自 Vals AI。
- CyberBench 由谁运行,多久更新一次?
- CyberBench 由 Vals AI 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。
- CyberBench 是否计入 BenchLeader Index?
- 不计入。CyberBench 仅作参考展示,不计入综合分数。