Firefox 147 漏洞利用评测
与 Mozilla 合作的浏览器漏洞利用开发评测
基本信息
30 秒看懂
Anthropic 与 Mozilla 合作的漏洞利用开发评测：度量模型对 Firefox 147 漏洞写出可用 exploit 的成功率与部分成功率（双口径）；Sonnet 5 可用 exploit 为 0%、部分成功率略高于前代——漏洞已在 Firefox 148 全部修复，分数越低代表危险能力越弱。
采用格局：厂商内部/未公开——Anthropic 与 Mozilla 合作的安全评测，Sonnet 5 发布页披露
评分协议
这个评测的官方统一评分协议还没收录到本页；各厂商实际使用的执行框架（harness）与推理档位（effort）已逐条写在下方引用卡里。
可比性提示：同一评测的分数是「实验配置」的产物：只要评测版本（variant）、执行框架（harness）、推理档位（reasoning effort）、工具、采样参数、运行次数或聚合方式有任何一项不同，数字就不能直接横向比较。下方各厂商的分数如未写明协议细节，请只当作方向参考。
模型发布采用时间轴
共收录 1 场模型发布（收录 2 项分值） · 按发布时间倒序排列 · 数据更新于 2026-09-20
2026
2026-06-30
Anthropic·国际
价格$2/$10 每百万 tokens · 初上市定价 USD 2/10，原计划 2026-09-01 起的 USD 3/15 未生效，现已转为永久定价模态文本
发布文将其定位为最具智能体能力（most agentic）的 Sonnet，支持可选努力档位、默认开启网络安全防护，并作为 Free/Pro 默认模型全量提供。评测集中于智能体编码、计算机使用、知识工作与安全评估，亮点为 Terminal-Bench 2.1 80.4% 与 OSWorld-Verified 81.2%。
智能体编码计算机使用安全防护
查看模型变体与证据
working exploit rate 0.0%working exploit rate 0.0%
数据缺口（本页暂未收录）
- 评测版本与子集（例如部分评测有 Diamond、Verified 等官方变体）以及数据集规模
- 各厂商使用的执行框架（harness / scaffold）与 Agent 工具配置
- 推理档位（reasoning effort）、采样参数（temperature / top-p）、运行次数与分数聚合方式
- 指标对应的随机猜测基线（chance baseline）与人类基线的实验条件
- 测试集污染检测结论，以及是否已饱和的结构化标注
以上字段暂缺时，本页不虚构数字；后续会依据每一次发布的证据逐条补齐并标注来源。
复现入口
引用
本页数据更新于 2026-09-20，依据厂商发布材料真实抓取；发现数据问题欢迎在 GitHub 提 Issue。