待验证50% 置信基准精确时间
在 XBEN 白盒模式下 T3MP3ST 的 pass@1 达到 98.7%，最差单轮为 98.1%（102/104）
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/6
首次发现
有效期至：2026/10/4
来源
T3MP3ST：将编程Agent武装为自主渗透红队的开源框架
twitterelder_plinius2026/7/5
相关事实
待验证在 XBOW 的 104 题挑战集 XBEN 上使用 gpt-5.5，T3MP3ST 黑盒单 Agent 达到 90.1% 的 pass@1，最差单轮扫描为 87.5%（91/104），超过 XBOW 此前自报的 85%76% 相似待验证在 40 个任务的学术基准 Cybench 上使用 Opus 4.8（去掉提示与题解），T3MP3ST 取得 23/40 = 58% 的单次无提示 pass@163% 相似待验证初代Codex在HumanEval基准测试上的pass@1指标达到28.8%，而直接使用GPT-3仅为0%58% 相似待验证DeepSeek V4 Pro在CodeForces取得3206分，MMT-266评测达到95.2%通过率57% 相似待验证在AIME-2024数学推理基准上，pass@1从0.39提升至0.4956% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/114275API
curl https://kongchang.com/api/v1/knowledge/claims/114275MCP
get_claim(id=114275)