Bangya Liu

CyberArena把网络安全评测从静态靶标改成多轮攻防对抗：两个智能体在隔离沙箱里同时攻击对方服务并修补自己的服务，目标每轮轮换。在40个挑战、466局比赛中，12个前沿模型里GPT-5.6 Sol与Claude Opus 5领先，而三个模型单独都能解出的30个挑战进入对抗后，第三轮捕获率分别降到52%、37%和35%。

CyberArena把网络安全评测从静态靶标改成多轮攻防对抗：两个智能体在隔离沙箱里同时攻击对方服务并修补自己的服务，目标每轮轮换。在40个挑战、466局比赛中，12个前沿模型里GPT-5.6 Sol与Claude Opus 5领先，而三个模型单独都能解出的30个挑战进入对抗后，第三轮捕获率分别降到52%、37%和35%。