XBOW 实测：在 65 个含漏洞 Web 应用上比较模型挖洞性价比

XBOW Model Runtime Evals 用 65 个含真实漏洞的开源 Web 应用，对比 Claude Mythos 5.1 与 OpenAI GPT-6 系列的漏洞挖掘性价比。