BenchLeader

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。

46 / 46
#
1Muse Wondermax80.4%60.8$3.662026-11-05
2GPT-6 Solmax78.0%62.6$1.342026-11-05
3Gemini 4 Argonhigh77.9%65.3$5.112026-11-05
4GPT-5.6 Solmax76.3%65.3$3.052026-11-05
5GPT-6 Lunamax76.3%55.1$0.1342026-11-05
6Claude Haiku 5.5max75.5%55.3$1.252026-11-05
7MiMo-V2.6-Flash75.4%54.8$0.0462026-11-05
8Kimi K3max75.2%60.2$2.132026-11-05
9DeepSeek V4.1 Flashhigh73.7%55.6$0.1052026-11-05
10Muse Wonder Fullmax73.6%61.7$3.632026-11-05
11GPT-5.6 Lunamax73.6%56.2$0.4042026-11-05
12Daybreak Bluemax73.0%–$3.972026-11-05
13MiMo-V2.6-Pro72.9%57.5$0.0942026-11-05
14DeepSeek V4 Promax72.9%54.7$0.5932026-11-05
15Muse Spark 1.3max72.7%60.6$3.342026-11-05
16Inkling 2 Small72.7%57.9$1.272026-11-05
17GPT-5.6 Terramax72.1%59.5$3.312026-11-05
18GLM 5.3max72.1%58.8$2.692026-11-05
19DeepSeek V4 Flashhigh72.1%57.2$0.1932026-11-05
20Grok 4.5high71.0%56.8$2.952026-11-05
21Claude Fable 5.1max70.4%66.7$4.012026-11-05
22Muse Spark 1.2xhigh69.5%61.5$2.152026-11-05
23Ember-169.5%–$2.432026-11-05
24Grok 4.7xhigh69.5%57.4$8.542026-11-05
25Muse Spark 1.3xhigh69.4%58.1$4.262026-11-05
26GLM 5.3 Flashmax67.9%52.4$0.2842026-11-05
27Qwen3.8 27Bxhigh67.8%52.2$0.9902026-11-05
28Grok 4.6high67.7%60.6$4.072026-11-05
29Inkling66.8%50.4$1.462026-11-05
30Claude Opus 5max65.4%65.0$3.532026-11-05
31Hy465.4%56.7$0.4582026-11-05
32MiniMax M365.0%56.1$3.412026-11-05
33Inkling Small64.1%52.0$0.2522026-11-05
34Claude Sonnet 5max61.9%56.1$1.892026-11-05
35Claude Sonnet 5.5max59.6%64.2$2.912026-11-05
36Gemini 3.5 Flash Litehigh59.1%47.8$0.4252026-11-05
37Ling 3.0 Flash Af Rc358.3%–$0.1042026-11-05
38Claude Opus 5.5max55.4%68.4$2.852026-11-05
39Mercury 2.5high45.5%–$0.1252026-11-05
40Gemini 3.6 Flashhigh45.4%61.0$1.312026-11-05
41Gemini 3.7 Flashhigh43.8%62.1$2.152026-11-05
42Gemini 3.8 Flashhigh43.8%59.4$1.962026-11-05
43GPT-6 Astramax41.1%67.3$1.842026-11-05
44GPT-6.1 Solmax39.3%66.6$0.2852026-11-05
45Nemotron Lightning 3.5 30B A3B29.5%–$0.0932026-11-05
46Qwen3.8 Maxmax28.6%58.7$0.7852026-11-05

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,《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。