找到 4 筆；也可以試試 語意搜尋
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。
Google DeepMind 發布 Gemini 4 Carbon，稱其為最強模型，在 Artificial Analysis 智慧指數 v5.0 上以 59 分排名第一。它在網路安全防禦基準上領先：SEC-bench Pro 漏洞發現 88.2%、ExploitGym 利用 54.8%、CWE-bench 修復 71.0%，WebDev Arena 提升 89 elo 至第 4 名（1768）。
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%。
Google 發布新一代前沿模型 Gemini 4 Carbon，稱其為最強模型，在 Artificial Analysis 智慧指數 v5.0 上以 59 分排名第一，重點提升網路安全與長程 agentic 任務能力。網路安全基準領先：SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%；WebDev Arena 以 1769 分（+89 elo）升至第 4，Terminal-Bench 4.0 作弊率降至 0%。