SEC-Bench Pro 评测用 183 个真实漏洞测试 AI agent 编写 PoC

SEC-Bench Pro 评测要求 AI agent 在没有原始 PoC 或补丁的情况下，为 V8 与 SpiderMonkey JavaScript 引擎中的 183 个真实漏洞自行编写概念验证代码。榜单显示 Gemini 4 Carbon 以 88.2% 领先 GPT-6 Astra 的 85.4%，GPT-6.1 Terra 和 GPT-6.1 Sol 分别为 83.3% 和 78.8%。