相关研究团队搭建了 CyberArena，对 12 款前沿模型开展 466 场实时双向攻防对局。评测结果显示，动态对抗下模型能力分层明显，防守端的响应速度与应变能力是顶级模型拉开差距的核心因素。
大模型在漏洞解决率上超过80%，但这些分数来自单机答题模式。
