Hugging Face blog● 精選AI 評分74
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。