CyberArena 评测显示 466 场 Agent 攻防对局中动态对抗性能差距显著

CyberArena 是一个对称式攻防竞技场，通过 22 个批次共 466 场有效对局评估 12 款前沿模型。评测显示，OpenAI 的 GPT-5.6 Sol 以 78.6 分位列第一，Anthropic 的 Claude Opus 5 以 73.8 分位列第二。