CyberGym
引用多め高いほど良い
UCバークレーが作ったセキュリティの試験で、実在するソフトウェアの脆弱性1,507件を、説明だけを見て再現する攻撃コードをAIが作ります。運営チームがOpenHandsなど公開エージェントで自ら測った値と開発元の発表値があり、開発元の値は安全対策を切った状態のものです。スコアは0〜100%です。高いほど良い結果です。
最高スコア95.1%MiMo-V2.6-Flash
測定したモデル29件
最終更新2026.09.22
モデルのリリース時期（右が最新）
その時点の最高記録上ほど良い
順位モデル実行条件リリース日価格/1Mスコア
- 12026.09.22$0.2595.1%
- 22026.09.21$0.7694.0%
- 3max (reasoning_effort=100)2026.09.10$0.7988.1%
- 4High2026.09.20$2.2884.7%
- 5max2026.08.18$3.6084.5%
- 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%
「作業ツール」はAIが課題を解くときに使った実行環境（エージェントプログラム）です。同じモデルでも作業ツールと推論の強さによってスコアが大きく変わることがあります。
メーカー発表値は測定条件がまちまちなので参考値です。