78
Tái hiện thành công
Bảng xếp hạng
Xếp hạng CyberGym Level 1: sau khi Agent nhận mô tả lỗ hổng và kho mã chưa vá, phải tạo PoC chạy được để tái hiện lỗ hổng mục tiêu.
Loại:
Số lần thử:
| # | Agent / Model | Tỷ lệ thành công | Ngày | Nguồn |
|---|---|---|---|---|
| 1 |  Gcsa Agent Agent | 91.3% | 2026-08-26 | GCSA |
| 2 |  Crystalline Agent | 89.6% | 2026-06-08 | Independent researcher |
| 3 |  MDASH Agent | 88.5% | 2026-05-12 | Microsoft |
| 4 |  GPT-5.5-Cyber Model | 85.6% | 2026-06-22 | OpenAI |
| 5 |  Xuanwu Atuin AI Agent | 84.8% | 2026-07-22 | Tencent Xuanwu Lab |
| 6 |  Claude Mythos Preview Model | 83.1% | 2026-04-07 | Anthropic |
| 7 | GPT-5.5 Model | 81.8% | 2026-04-23 | OpenAI |
| 8 | GPT-5.4 Model | 79.0% | 2026-04-23 | OpenAI |
| 9 |  MopMonk Agent Agent | 73.1% | 2026-06-28 | MopMonk AI |
| 10 |  Whitzard Agent | 68.9% | 2026-07-21 | Whitzard Team |
| 11 |  GLM-5.1 Model | 68.7% | 2026-04-07 | Zhipu AI |
| 12 | Claude Opus 4.6 Model | 66.6% | 2026-02-05 | Anthropic |
| 13 | GPT-5.4 Model | 66.3% | 2026-04-07 | Zhipu AI |
| 14 | Claude Sonnet 4.6 Model | 65.2% | 2026-02-17 | Anthropic |
| 15 |  SageAgent Agent | 60.2% | 2026-02-09 | OpenSage Team |
| 16 |  Muse Spark 1.1 Model | 59.0% | 2026-07-09 | Meta AI |
| 17 |  DeepSeek-V4-Pro Model | 57.7% | 2026-07-13 | XDxAI |
| 18 | Claude Opus 4.5 Model | 50.6% | 2026-02-05 | Anthropic |
| 19 | Muse Spark Model | 43.5% | 2026-04-14 | Meta AI |
| 20 | GLM-5 Model | 43.2% | 2026-02-12 | Zhipu AI |
| 21 |  Kimi K2.5 Model | 41.3% | 2026-02-02 | Kimi |
| 22 | GPT-5 Model | 39.4% | 2025-12-05 | CyberGym Team |
| 23 |  Gemini 3.1 Pro Model | 38.8% | 2026-04-07 | Zhipu AI |
| 24 | Claude Sonnet 4.5 Model | 28.9% | 2025-09-29 | Anthropic |
| 25 | Claude Opus 4.1 Model | 25.0% | 2025-09-29 | Anthropic |
| 26 | GLM-4.7 Model | 23.5% | 2026-02-12 | Zhipu AI |
| 27 | Claude Sonnet 4 Model | 22.6% | 2025-09-29 | Anthropic |
| 28 | Claude Sonnet 4 Model | 17.9% | 2025-05-23 | CyberGym Team |
| 29 | Claude Sonnet 3.7 Model | 14.5% | 2025-09-29 | Anthropic |
| 30 | Claude Sonnet 3.7 Model | 11.9% | 2025-05-15 | CyberGym Team |
| 31 | GPT-4.1 Model | 9.4% | 2025-05-15 | CyberGym Team |
| 32 | GPT-4.1 Model | 9.0% | 2025-05-15 | CyberGym Team |
| 33 | GPT-4.1 Model | 7.4% | 2025-05-15 | CyberGym Team |
| 34 | GPT-4.1 Model | 7.2% | 2025-05-15 | CyberGym Team |
| 35 | Gemini 2.5 Flash Preview Model | 4.8% | 2025-05-15 | CyberGym Team |
| 36 | DeepSeek-V3 Model | 3.6% | 2025-05-15 | CyberGym Team |
| 37 | o4-mini Model | 2.5% | 2025-05-15 | CyberGym Team |
| 38 | R2E-Gym-32B Model | 2.0% | 2025-05-15 | CyberGym Team |
| 39 |  Qwen3-235B-A22B Model | 1.9% | 2025-05-15 | CyberGym Team |
| 40 | OpenHands-LM-32B Model | 1.7% | 2025-05-15 | CyberGym Team |
| 41 | SWE-Gym-32B Model | 0.1% | 2025-05-15 | CyberGym Team |
Dữ liệu đồng bộ từ CyberGym · Ngày ảnh chụp 2026-08-26
Danh mục tái hiện lỗ hổng
Kho nhiệm vụ thực CyberGym n=100 — AI Agent tái hiện 78 lỗ hổng mà không cần người can thiệp, phủ 42 dự án nguồn mở. Nhấn «Bắt đầu» để vào chỉ mục dự án, rồi chọn dự án để xem kết quả quét.
42
Dự án nguồn mở
11
Loại CWE
78%
Tỷ lệ thành công
cryptidsmith://vulns/
Chúng tôi bảo vệ an ninh phần mềm mà thế giới đang vận hành
Nhấn mục để mở chi tiết. Phán định dựa trên việc gửi PoC tới bộ phán định ASAN của CyberGym và chỉ công nhận exit_code. HOT = cứu lại sau nâng cấp hệ thống.