CyberGym
인용 빈도 2/3
- 무엇을 측정하나요?
- UC 버클리가 만든 보안 시험으로, 소프트웨어 취약점 설명만 보고 이를 재현하는 공격 코드를 만드는 능력을 봅니다.
- 누가 어떻게 평가하나요?
- 실제 취약점 1,507개를 대상으로 합니다. 운영팀이 OpenHands 같은 공개 에이전트로 직접 잰 값과 제조사 발표값이 함께 있습니다.
- 점수 읽는 법
- 점수는 0~100%입니다. 높을수록 좋습니다. 제조사 발표값은 안전장치를 끈 상태 기준입니다.
최고 점수95.1%
측정한 모델29개
측정 기준높을수록 좋음
최근 갱신2026.09.22
모델 출시 시기
순위모델실행 조건출시일가격/1M점수
- 12026.09.22$0.2595.1%
- 22026.09.21$0.7694.0%
- 3max (reasoning_effort=100)2026.09.10$0.6388.1%
- 4High2026.09.20$2.2884.7%
- 5max2026.08.18$3.4884.5%
- 6with tools2026.07.09$1683.6%
- 7with tools · xhigh2026.04.23$2481.8%
- 8Mean Reproduced · with tools · high2026.07.08$580.4%
- 9Mean Reproduced · with tools · high2026.09.21$580.3%
- 10Mean Reproduced · with tools · high2026.08.12$579.7%
"작업 도구"는 AI가 과제를 풀 때 함께 쓴 실행 환경(에이전트 프로그램)입니다. 같은 모델이라도 작업 도구와 추론 강도에 따라 점수가 크게 달라질 수 있습니다.