96.8% 的 ExploitBench 分数若属实，将动摇「智能回报非线性」论

传闻中的某 flash 级模型若在 ExploitBench 3000 轮下取得 96.8% 分数，将冲击“智能回报非线性、长任务优于模型间小差距”的论点。GPT-5.5 从 300 轮提升至 3000 轮仅由 45%升至72%；截图显示 GPT-6.1 Terra 的 ACE 归一化得分为 97.1%，但系统卡提示历史漏洞数据存在污染风险。