基准

CWE-Bench

专门评测AI模型安全漏洞修复能力的基准测试，基于CWE（通用弱点枚举）体系衡量模型发现和修复代码安全缺陷的综合能力

来源文章

Gemini 4 Carbon发布：网络安全与长周期任务能力登顶10月28日谷歌Gemini 4 Argon发布：百万token输出改写旗舰AI格局10月11日谷歌Gemini 4 Argon深度实测：DeepSWE刷新77.9%纪录10月1日