Artificial Analysis 推出面向企業 AI 防禦的 Cyber Index

Artificial Analysis 推出 Artificial Analysis Cyber Index 與 Cyber Index Alliance，用以評估 AI 模型在企業網絡防禦任務上的表現。首發合作夥伴為 CollinearAI、IBM、NVIDIA 與 Vercel。該指數整合三項由合作方貢獻的開放基準，衡量智能體發現並修復漏洞的能力。

來自 CollinearAI 的 CWE-Bench-AA 涵蓋審計與修補，包含 120 項保留任務，覆蓋全部十個 OWASP Top 10（2025）類別，以及 C/C++、Go、Java、JavaScript/TypeScript、Python 與 Rust。來自 Vercel 的 DeepsecBench-AA 單獨衡量發現能力：給定程式碼庫與預算，智能體必須找出每一處漏洞，並對照人類安全審查員的發現計分；真實漏洞會得到加分，把無害程式碼標為有漏洞則會受罰。來自 BerkeleyRDI 的 CyberGym-E2E-AA 進行端到端測試：找出記憶體安全缺陷，編寫可觸發崩潰的概念驗證，再打補丁，使崩潰不再重現。

Grok 4.7（xhigh）與 MiMo-V2.6-Pro 以 56 分領跑 Cyber Index，其後是 GPT-6 Luna（max）53 分、GLM-5.3-Flash 50 分、Muse Spark 1.3（xhigh）44 分。Artificial Analysis 表示，安全拒絕拖累了 GPT-6 Sol（max）、GPT-6 Astra（max）、Claude Opus 5.5（max with fallback）、Claude Fable 5.1（max with fallback）與 Gemini 3.8 Flash（high）。這些模型拒絕的任務佔指數的 32%–38%，落後領先者 19 至 31 分。差距主要來自 CyberGym-E2E-AA：GPT-6 Sol 與 GPT-6 Astra 拒絕全部任務，Claude Opus 5.5 拒絕 98%，Claude Fable 5.1 拒絕 99%。