CyberArena 评测 466 场 Agent 攻防对局

CyberArena 评测 466 场 Agent 攻防对局，对比了静态基准与动态对抗场景下的能力差异。GPT-5.6 Sol 与 Claude Opus 5 位居前两名，展现了在真实攻防环境中的领先优势。该研究揭示了模型在动态博弈中的进攻与防守表现。