Collinear AI发布CWE-bench v2基准
发生了什么
据Hugging Face博客，Collinear AI发布了CWE-bench v2网络安全基准，包含100个公共任务。该基准通过Docker化环境评估模型发现并修复安全漏洞的能力，评分过程完全程序化。在11个受测模型中，Gemini 4 Argon以67.8%的pass@1率领先，Claude Opus 5.5紧随其后。在成本方面，DeepSeek V4.1 Flash（1017）单次运行成本为0.04美元，Claude Opus 5.5为1.83美元，Gemini 4 Argon为3.92美元。
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
- Hugging Face Blog一手材料
CWE-bench v2: More coverage, quality, and transparency
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口