Hugging Face Blog·· 19 小时前精选AI 评分60
Collinear AI 发布 CWE-bench v2 评测集
CWE-bench v2: More coverage, quality, and transparency
AI 导读
Collinear AI 发布 CWE-bench v2，公开包含 100 个网络安全任务的公开集，支持通过 Harbor 直接从 Hugging Face 运行评估。评测结果显示，Gemini 4 Argon 在 11 款受测模型中以 67.8% 的 pass@1 领先，Claude Opus 5.5 和 DeepSeek V4.1 Flash 等共同构成帕累托前沿。
推荐理由
该基准公开了 100 个网络安全评测任务并给出多款前沿模型的详细跑分与成本对比，读者可以据此评估模型在攻防场景下的实际表现。
来源：Hugging Face Blog · huggingface.co