Models28.09.2026 · 23:152 nguồn
Grok 4.7 dẫn đầu enterprise AI cyber defense index đầu tiên
Từ marketbrief.now
Artificial Analysis hợp tác với Nvidia và IBM để công bố bộ benchmark mới đo lường khả năng của các AI agent trong việc tìm kiếm và vá các lỗ hổng phần mềm. MiMo-V2.6-Pro và Grok 4.7 (xhigh) dẫn đầu kết quả với 56 điểm, trong khi GPT-6 Luna và GLM-5.3-Flash lần lượt đạt 53 và 50 điểm. Một số frontier model, bao gồm Claude Opus 5.5 và Gemini 3.8 Flash, đứng sau nhóm dẫn đầu từ 19 đến 31 điểm sau khi từ chối từ 32% đến 38% số tác vụ vì lý do an toàn. Đánh giá này dùng ba framework gồm CWE-Bench-AA để vá lỗi theo ngôn ngữ, DeepsecBench-AA để tìm lỗ hổng và CyberGym-E2E-AA để sửa lỗi an toàn bộ nhớ. Trong bài kiểm tra CyberGym, các mô hình như GPT-6 Sol và GPT-6 Astra từ chối mọi tác vụ, còn Claude Fable 5.1 từ chối 99% nhiệm vụ. Cyber Index Alliance, bao gồm Vercel và CollinearAI, hướng tới việc thiết lập một tiêu chuẩn ngành cho mảng phòng thủ khi các mô hình AI ngày càng có năng lực tấn công mạng tiên tiến hơn.
Nguồn
Lịch sử nội dung (2)
- 2026-10-04 · Tóm tắt · vi · Thay nội dung đã lưuGrok 4.7 của xAI vừa đứng đầu bảng xếp hạng Enterprise AI Cyber Defense Index — bảng đánh…Artificial Analysis hợp tác với Nvidia và IBM để công bố bộ benchmark mới đo lường khả nă…
- 2026-10-04 · Tiêu đề · vi · Thay nội dung đã lưuGrok 4.7 dẫn đầu bảng xếp hạng AI phòng thủ mạng doanh nghiệp đầu tiênGrok 4.7 dẫn đầu enterprise AI cyber defense index đầu tiên
Bản tin mỗi sáng
Tin quan trọng nhất trong ngày. Miễn phí, hủy bất cứ lúc nào.
Telegram @aihomnay