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
  1. 195.1%
  2. 294.0%
  3. 3
    DeepSeek2026.09.10 · max (reasoning_effort=100)
    88.1%
  4. 4
    Stepfun2026.09.20 · High
    84.7%
  5. 5
    Z.ai2026.08.18 · max
    84.5%
  6. 6
    OpenAI2026.07.09 · with tools
    83.6%
  7. 7
    OpenAI2026.04.23 · with tools · xhigh
    81.8%
  8. 8
    SpaceXSI2026.07.08 · Mean Reproduced · with tools · high
    80.4%
  9. 9
    SpaceXSI2026.09.21 · Mean Reproduced · with tools · high
    80.3%
  10. 10
    SpaceXSI2026.08.12 · Mean Reproduced · with tools · high
    79.7%

"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.

  • Self-reported by each model maker — see the source link on each score모델 제작사가 직접 발표한 수치를, 발표 글·시스템 카드 같은 원문에서 확인해 옮긴 값입니다. 측정 조건은 제작사마다 다르며 점수마다 원문 링크가 있습니다.
  • CyberGym leaderboard, UC Berkeley RDI (cybergym.io)시험을 만든 UC 버클리 RDI의 순위표 가운데 운영팀이 직접 잰 행만 담았습니다.
카톡 문의