首页 / 评估大全 / SEC-Bench Pro
SEC-Bench Pro
OpenAI 网安 PoC 生成评测（复杂软件漏洞概念验证）
基本信息
30 秒看懂
OpenAI 自建的复杂软件漏洞概念验证（PoC）生成评测，按版本随 GPT-5.6 系系统卡披露，数值为厂商自报；无公开数据集与判分细节，跨厂商可比性未知。
采用格局： 厂商内部/未公开——GPT-5.6 系统卡按版本披露，无公开数据集
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 2 场模型发布（收录 7 项分值） · 按发布时间倒序排列 · 数据更新于 2026-09-20
2026
2026-09-22
· 国内
本发布含 3 个变体，各变体规格见模型详情。
小米将 MiMo-V2.6-Pro 定位为该系列迄今能力最强的原生全模态模型，面向长程任务、网络安全与科研。发布页收录的评测以编码、通用智能体和安全为主，附录表 DeepSWE v1.1 为 71.9，Terminal-Bench 2.1 为 89.9。
开源权重 1.02T MoE 1M 上下文 原生全模态
查看模型变体与证据
MiMo-V2.6-Pro · SEC-Bench Pro 66.3 MiMo-V2.6-Flash · SEC-Bench Pro 47.5
2026-08-26
· 国际
本发布含 3 个变体，各变体规格见模型详情。
发布文将 Sol 定位为 GPT-5.6 的旗舰档（medium/high/xhigh/max/ultra 五档努力级别）。36 项评测横跨智能体、编码、长上下文、科研医疗金融与安全，亮点为 BrowseComp 90.4% 与 Terminal-Bench 2.1 88.8%。
旗舰 多档努力 智能体 安全防护
查看模型变体与证据
GPT-5.6 Sol · SEC-Bench Pro 71.2% gpt-5-5 · SEC-Bench Pro 45.8% gpt-5-6-sol-ultra · SEC-Bench Pro 74.3% GPT-5.6 Terra · SEC-Bench Pro 57.7% GPT-5.6 Luna · SEC-Bench Pro 48.9%
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。
Xiaomi / 小米·国内
