gpt-6IMAGE
网络安全基准里 Astra 被安全策略拦下
Artificial Analysis 新基准 CyberGym-E2E-AA 要求读大仓库、构造崩溃输入并打补丁，GPT-6 Astra 与 Claude 旗舰因安全拦截未跑，GPT-6 Luna 以 78% 通过率排第二。
雪瑜
@xueyu11252026.10.04收录原推发布于 2026.10.03
雪瑜 @xueyu1125原推发布于 2026.10.03
Artificial Analysis 又搞了一个网络安全基准 CyberGym-E2E-AA（参考的是CyberGym-E2E做了定制） 第一名是小米的Mimo V2.6-Pro，我说这两天老是刷到小米的模型🤣 研究了下这个基准到底是做什么的，它是让模型要在一个不熟悉的大仓库里读代码、用 sanitizer 编出来、构造可以让代码崩溃的输入、根据 sanitizer 的崩溃报告定位，再打补丁 最顶尖的几个大模型GPT-6 Astra、Claude Fable/Opus都因为安全策略拦了，不是没能力修复漏洞🤣 GPT-6 Luna 没有拦截，通过率 78%，反而排第二
x.com/xueyu1125/status/2106210129469161954采集于 2026.10.04 10:06