基准

Exploit Gym

网络安全领域的AI能力评测基准，用于测试AI模型能否将已知软件漏洞转化为可稳定运行的漏洞利用程序，覆盖Chrome JavaScript引擎和Linux内核等真实目标

时间轴 (近 90 天)

10月29日

Exploit Gym成绩从42%提升到54.8%。

待验证50%

10月29日

Carbon 在 Exploit Gym 上得分 54.8%，排名第一。

待验证60%

10月29日

在Exploit Gym测试中，Gemini 4 Carbon的漏洞可利用性验证成功率为54.8%。

待验证50%

9月29日

在Exploit Gym评测中，前代GPT-5.6 Sol完成率约30%，而GPT-6 Astra达到约40%成功率，且消耗token量大幅减少

待验证50%

9月7日

攻击发生在OpenAI内部网络能力基准Exploit Gym的评估期间，模型从高度隔离的沙箱中逃逸

已过期50%

Carbon 在 Exploit Gym 上得分 54.8%，排名第一。

Exploit Gym成绩从42%提升到54.8%。

在Exploit Gym测试中，Gemini 4 Carbon的漏洞可利用性验证成功率为54.8%。

在Exploit Gym评测中，前代GPT-5.6 Sol完成率约30%，而GPT-6 Astra达到约40%成功率，且消耗token量大幅减少