CWE-Bench-AA

تنفيذ لمعيار CWE-bench من Collinear AI، وهو معيار دفاعي للأمن السيبراني يختبر قدرة وكلاء البرمجة على تدقيق قاعدة شيفرة مفتوحة المصدر حقيقية، والعثور على ثغرة في منطقة اهتمام محددة، وترقيعها دون الإخلال بالسلوك المشروع.

النماذج: 19 الحالي، 25 إجمالاً
الوسيط: 55.8%
المدى: 26.7%–69.2%

توزيع الدرجات

الأدنى: 26.7%
الوسيط: 55.8%
الأعلى: 69.2%

لوحة الصدارة

تضمين النماذج المهملة

بيانات من Artificial Analysis

وكيل HyperAIتجريبي

إن HyperAI Agent في مرحلته التجريبية. قد تكون الإجابات غير دقيقة، لذا يرجى التحقق من التفاصيل المهمة.

بمَ يمكنني المساعدة؟

ابحث عن الموارد، أو تعرف على المنصة، أو أدر مساحات العمل الخاصة بك

الترتيب	مقارنة	النموذج	النتيجة
1		DeepSeek V4.1 Flash 1017 (Max) DeepSeek	69.2%
2		Grok 4.7 (Xhigh) SpaceXAI	68.3%
3		GPT-6 Sol (Daybreak Blue, max) OpenAI	64.7%
4		GPT-6 Astra (Max) OpenAI	63.3%
5		MiMo-V2.6-Pro Xiaomi	63.3%
6		Kimi K3.1 Pro Kimi	60.8%
7		Claude Opus 5.5 (Max, Default Fallback) Anthropic	58.3%
8		Mistral Large 4 (High) Mistral	58.3%
9		GPT-6 Luna (Max) OpenAI	56.7%
10		GLM-5.3 (Max) Z AI	55.8%
11		GLM-5.3-Flash Z AI	55.8%
12		Gemini 3.8 Flash (High) Google	52.5%
13		Step 5 Preview StepFun	52.5%
14		Mistral Large 4 (Medium) Mistral	50.0%
15		Beam 1.0 Reflection	49.2%
16		MiniMax-M3 MiniMax	41.7%
17		Qwen3.8 2.4T A95B Alibaba	28.3%
18		Nemotron 3 Ultra 550B A55B (Reasoning) NVIDIA	27.5%
19		Qwen3.8 27B (Xhigh) Alibaba	26.7%

1
DeepSeek V4.1 Flash 1017 (Max)
DeepSeek
69.2%
2
Grok 4.7 (Xhigh)