CyberGym

网络安全/Agent 基准, 评估模型在真实环境中的攻防能力CyberGym 是网络安全方向的 AI 评测基准，模拟渗透测试、漏洞挖掘、逆向工程和密码分析等真实安全攻防场景。模型需在隔离的沙箱环境中完成网络安全任务，评估 AI 在网络安全领域的实践与对抗能力。

#	模型	得分 (%)	厂商	来源
1	GPT-5.6 Sol	84.5	OpenAI	OpenAI GPT-5.6 发布页
2	Claude Fable 5	83.8	Anthropic	OpenAI GPT-5.6 发布页
3	Claude Mythos Preview	83	Anthropic	OpenAI GPT-5.6 发布页
4	GPT-5.6 Terra	81.8	OpenAI	OpenAI GPT-5.6 发布页
5	GPT-5.5	81.8	OpenAI	OpenAI GPT-5.6 发布页
6	GPT-5.4	79	OpenAI	OpenAI GPT-5.5 发布页
7	Claude Opus 4.8	78.1	Anthropic	OpenAI GPT-5.6 发布页
8	GPT-5.6 Luna	77.9	OpenAI	OpenAI GPT-5.6 发布页
9	Claude Opus 4.7	73.1	Anthropic	OpenAI GPT-5.5 发布页
10	GLM-5.1	68.7	智谱AI	GLM-5.1 技术报告

网络安全/Agent 基准, 评估模型在真实环境中的攻防能力CyberGym 是网络安全方向的 AI 评测基准，模拟渗透测试、漏洞挖掘、逆向工程和密码分析等真实安全攻防场景。模型需在隔离的沙箱环境中完成网络安全任务，评估 AI 在网络安全领域的实践与对抗能力。

#	模型	得分 (%)	厂商	来源
1	GPT-5.6 Sol	84.5	OpenAI	OpenAI GPT-5.6 发布页
2	Claude Fable 5	83.8	Anthropic	OpenAI GPT-5.6 发布页
3	Claude Mythos Preview	83	Anthropic	OpenAI GPT-5.6 发布页
4	GPT-5.6 Terra	81.8	OpenAI	OpenAI GPT-5.6 发布页
5	GPT-5.5	81.8	OpenAI	OpenAI GPT-5.6 发布页
6	GPT-5.4	79	OpenAI	OpenAI GPT-5.5 发布页
7	Claude Opus 4.8	78.1	Anthropic	OpenAI GPT-5.6 发布页
8	GPT-5.6 Luna	77.9	OpenAI	OpenAI GPT-5.6 发布页
9	Claude Opus 4.7	73.1	Anthropic	OpenAI GPT-5.5 发布页
10	GLM-5.1	68.7	智谱AI	GLM-5.1 技术报告