11 个安全 Agent 横评：最佳 pass@1 为 68%，固定测试存在局限

11 个安全 Agent 的横评显示，最佳成绩为 68% pass@1、81% pass@4，但这些基准分数不代表生产应用安全的概率。在 320 次判定分歧中，有 200 次主动探测攻击变体的评委否决了固定测试放行的补丁，说明固定测试难以覆盖所有攻击变体。