概念
别名：cybersecurity benchmark
AI安全性能基准测试框架
已跟踪 7 条高相关材料
最近变化
2026-07-27 · MAI-Cyber-1-Flash模型在CyberGym基准测试中得分96，超越Mythos模型12分
为什么值得关注
CyberGym 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
That’s the motivation of MAI-Cyber-1-Flash in MDASH. It's been designed to handle up to 90% of vulne...
Mustafa Suleyman(@mustafasuleyman) · 8.5 分
MAI-Cyber-1-Flash模型结合MDASH框架在CyberGym基准测试中达到96%性能，成本仅为竞品的一半。
As AI models are now finding vulnerabilities faster than we can fix them, our approach to securing s...
Google AI(@GoogleAI) · 8.5 分
Google推出Gemini 3.5 Flash Cyber模型，专为高效发现和修复网络安全漏洞而设计，仅向政府及可信伙伴开放。
Introducing Gemini 3.5 Flash Cyber
Google DeepMind Blog · 8.5 分
Google推出Gemini 3.5 Flash Cyber模型，通过轻量化设计和CodeMender工具实现高效漏洞检测，基准测试表现与大模型相当。
已收录 7 条与 CyberGym 相关的内容，按评分排序。
MAI-Cyber-1-Flash模型结合MDASH框架在CyberGym基准测试中达到96%性能，成本仅为竞品的一半。
入选理由：MAI-Cyber-1-Flash处理90%漏洞任务，仅需GPT-5.4处理剩余10%复杂案例
Google推出Gemini 3.5 Flash Cyber模型，通过轻量化设计和CodeMender工具实现高效漏洞检测，基准测试表现与大模型相当。
入选理由：Gemini 3.5 Flash Cyber基于3.5 Flash构建，适合大规模代码扫描场景
Google推出Gemini 3.5 Flash Cyber模型，专为高效发现和修复网络安全漏洞而设计，仅向政府及可信伙伴开放。
入选理由：Gemini 3.5 Flash Cyber在CyberGym基准测试中表现优异
构建网络安全评估需关注沙盒目标、输入难度、工具和评分机制，以衡量模型在漏洞利用和防御中的表现。
入选理由：网络安全评估需包含沙盒目标、输入难度、工具和评分机制。
MAI-Cyber-1-Flash模型结合MDASH在CyberGym基准测试中达到96%性能，成本降低50%。
入选理由：MAI-Cyber-1-Flash模型在CyberGym基准测试中得分96%，超越Mythos模型12分
新模型MAI-Cyber-1-Flash结合MDASH工具在CyberGym基准测试中达到96分，性能超越竞品且成本降低50%。
入选理由：MAI-Cyber-1-Flash模型在CyberGym基准测试中得分96，超越Mythos模型12分
OpenAI 推出 GPT-5.5-Cyber 模型，旨在提升企业网络安全能力，并与政府及安全生态系统合作。
入选理由：GPT-5.5-Cyber 在 CyberGym 上表现出最先进的性能。
