Cybench
引用頻度 1/3
- 何を測定しますか?
- スタンフォード主導で作ったセキュリティ試験で、AIエージェントがハッキングパズル大会(CTF)の実戦的な問題を自力で解く力を見ます。
- 誰がどのように評価しますか?
- プロ向けのCTF問題40問を、隔離された環境で偵察から攻撃まで解きます。ここでの値は、途中のヒントなしで最初から最後まで解いた割合です。
- スコアの読み方
- スコアは0〜100%です。高いほど良い結果です。
最高スコア93.0%
測定したモデル6件
測定基準高いほど良い
モデルのリリース時期
順位モデルリリース日価格/1Mスコア
- 12026.02.04$2093.0%
- 22025.11.24$2082.0%
- 32025.09.29$1260.0%
- 42025.08.05$6042.0%
- 52025.05.22$6038.0%
- 62025.05.22$1235.0%