First Silicon 基准测试：前沿AI模型在芯片漏洞检测中零误报命中率不足20%

First Silicon基准测试评估前沿模型检测开源芯片设计真实漏洞的能力，86个修复案例中Claude Opus 5.5最大努力模式零误报命中率达18.6%，是最佳结果。测试允许误报时其命中率升至32.6%，而67个真实漏洞在所有模型默认设置下均未被发现。模型引入形式化检查器后准确率反而下降，暴露了判断反例是否为代码错误还是断言错误的开放问题。