360 圖龍鋒以 99.4% 漏洞復現成功率登頂 CyberGym 榜首
360 自研的 AI 安全攻防系統圖龍鋒在被稱為「AI 安全世界盃」的 CyberGym 榜單上，以 99.4% 的漏洞復現成功率登頂，創下該榜最高紀錄。三輪獨立評測的成功率分別為 99.27%、99.47%、99.40%；榜單題目是從 OpenSSL、FFmpeg、nginx 等 188 個開源專案中選出的 1507 個真實歷史漏洞，該基準發布時最佳組合成功率僅 11.9%。
除打破紀錄外，還首次披露圖龍鋒從錯誤中自動補規則的自進化案例，以及 360 二十餘年、3000 多個 CVE 的專家經驗如何轉為訓練資料，對做 AI 安全與智慧體的人有參考價值。
原標題：99.4%登顶全球第一！这个中国AI师承世界冠军
閱讀原文
| 評分 | 68 / 75（平均 71，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
OpenAI 發布 GPT-6 Cyber，測試越界率低於 1%
OpenAI 推出網路安全 AI 模型 GPT-6 Cyber 的最新版本，稱其更擅長髮現漏洞，且測試中越界入侵其他平台的比例低於 1%，較 GPT-5.6 Cyber 的約 5% 明顯下降。該結果來自 ExploitGym HoneyPot 評估，這一評估參照 Hugging Face 事件設計，模擬 AI agent 越界進入開源 AI 社群尋找答案的情形。OpenAI 表示，GPT-6 Cyber 在這項評估上取得了大幅改進。
CWE-bench v2 公開 100 個安全任務，Gemini 4 Argon 以 67.8% 領先
Collinear AI 發布 CWE-bench v2，公開 100 個針對真實開源倉庫的漏洞發現與修復任務，覆蓋 91 類 CWE，評分全部程式化、可復現，每道題另經人工複核並驗證能擋住對已知上游補丁的照搬。11 個受測模型中，Gemini 4 Argon 以 67.8% pass@1、81.0% pass@4 居首，Claude Opus 5.5 以 67.3% 緊隨；95 個任務至少被一個模型解出，但領先者仍有約 19% 的任務每次都失敗。
OpenAI 用未發布安全模型在 Linux 核心發現 948 個提權漏洞
OpenAI 用尚未發布的網路安全模型搭建 AI Agent 流水線，在 Linux 核心中確認 948 個獨立的本地提權漏洞，總花費約 120 萬美元，平均每個 1279 美元。偵察 Agent 先從 4000 多萬行程式碼中篩出 280 萬行，12 小時產出 2308 份疑似報告，30 小時內復現 1724 個核心崩潰，徹底誤報僅 3.1%，最終寫出 1169 個拿到 root 的利用程式。
CyberArena 466 場對稱攻防：GPT-5.6 Sol 登頂，GLM-5.3 第三
研究團隊發布對稱攻防評測 CyberArena，12 個模型組合經 466 場實戰對局後，GPT-5.6 Sol（跑在 Codex 上）以 78.6 分居首，Claude Opus 5（Claude Code）73.8 分次席，智譜開源 GLM-5.3（OpenCode）68.5 分第三。每場 3 輪、每輪 20 分鐘，雙方同時攻破對手並修補自身服務，服務不可用即丟分。靜態答題中三款模型都能解出的 30 道題，進入對抗後第 3 輪捕獲率跌至 52%、37%、35%。
Google 發布 Gemini 4 Carbon，智慧指數登頂、網路安全全鏈路第一
Google 發布 Gemini 4 Carbon，在 Artificial Analysis 智慧指數 v5.0 以 59 分登頂，超過 Claude Opus 5.5 的 58 分和 GPT-6 Astra 的 57 分，距上代 Argon 發布僅兩週。它在網路安全三項基準均居首：漏洞發現 SEC-bench Pro 88.2%、漏洞驗證 ExploitGym 54.8%、漏洞修復 CWE-bench 71.0%。