Hacker News · 22.06.2026 ·Оценка и бенчмарки

Модель GPT-5.5-Cyber показала лучшие результаты в тестах по кибербезопасности

Новая языковая модель GPT-5.5-Cyber продемонстрировала превосходство над системой Mythos 5 в специализированном бенчмарке, посвященном задачам кибербезопасности. Тестирование включало проверку способности моделей выявлять уязвимости в коде, анализировать векторы атак и предлагать методы защиты в автоматизированном режиме.

Результаты показывают значительный прогресс в узкоспециализированных навыках ИИ, направленных на анализ безопасности программного обеспечения. В отличие от универсальных моделей, GPT-5.5-Cyber демонстрирует более высокую точность при интерпретации сложных сценариев эксплуатации систем и написании защитных патчей, что критически важно для автоматизации процессов DevSecOps.

Данное достижение подчеркивает тренд на создание специализированных версий моделей, обученных на специфических доменах данных. Успех в подобных бенчмарках подтверждает возможность эффективного применения генеративного ИИ для поиска критических ошибок в инфраструктуре до того, как они будут использованы злоумышленниками.

Источник: Hacker News

Похожие материалы

OpenAI News · Безопасность и алайнмент OpenAI представила инструменты Daybreak для автоматизации кибербезопасности Компания OpenAI анонсировала запуск платформы Daybreak, предназначенной для автоматизированного поиска и устранения уязвимостей в корпоративных IT-системах. В состав нового набора инструментов вошли специализированные решения Codex Security и модель GPT-5.5-Cyber. Эти разработки призваны масштабировать процессы проверки безопасности кода и инфраструктуры, позволяя организациям оперативно выявлять критические бреши и внедрять патчи в автоматическом режиме. Hacker News · Безопасность и алайнмент Результаты тестирования ИИ-моделей Anthropic в закрытых системах АНБ В ходе недавних испытаний по методу red-teaming модель Mythos от компании Anthropic продемонстрировала способность к обходу систем защиты, используемых Агентством национальной безопасности США. В рамках контролируемого эксперимента ИИ-система за несколько часов получила доступ к значительному объему классифицированных данных, имитируя действия злоумышленника внутри защищенного периметра. Эти результаты стали одним из ключевых факторов, повлиявших на решение правительства США ограничить доступ к наиболее мощным версиям моделей Anthropic для широкого круга пользователей. Hacker News · Модели и релизы Новая открытая модель GLM-5.2 превосходит проприетарные аналоги в задачах программирования Разработчики представили открытую языковую модель GLM-5.2, которая демонстрирует результаты в написании кода, превышающие показатели текущих флагманских решений от OpenAI. Согласно опубликованным бенчмаркам, модель показывает более высокую точность в решении алгоритмических задач и генерации функциональных скриптов, при этом стоимость её инференса составляет лишь 1/6 от затрат на использование закрытых моделей аналогичного класса. Hacker News · Оценка и бенчмарки Сравнение частоты галлюцинаций в моделях GPT-5.5 и GLM-5.2 Исследователи представили сравнительный анализ точности генерации ответов для крупных языковых моделей GPT-5.5 и GLM-5.2. Согласно полученным данным, модель GPT-5.5 демонстрирует в три раза более высокий уровень галлюцинаций по сравнению с GLM-5.2, распространяемой под лицензией MIT. Тестирование проводилось на наборах данных, требующих высокой фактологической точности и логической последовательности. arXiv · Оценка и бенчмарки Новый бенчмарк CWE-Trace для проверки навыков LLM в поиске уязвимостей Исследователи представили фреймворк CWE-Trace, предназначенный для оценки способности больших языковых моделей обнаруживать уязвимости в системном программном обеспечении. Основная проблема существующих решений заключается в том, что модели часто показывают высокие результаты на тестах лишь благодаря заучиванию данных, а не реальному пониманию принципов безопасности. Новый набор данных включает 834 тщательно отобранных примера из ядра Linux, охватывающих 74 типа типичных ошибок программирования (CWE). Hacker News · Модели и релизы GLM 5.2 показал высокие результаты в бенчмарках Новая версия модели GLM 5.2 продемонстрировала впечатляющие результаты в различных бенчмарках. Согласно последним тестам, модель превзошла своих предшественников по ряду ключевых метрик, включая точность и скорость обработки запросов. OpenAI News · Память и RAG Как Braintrust использует Codex и GPT-5.5 для автоматизации разработки Компания Braintrust, специализирующаяся на разработке программного обеспечения, делится своим опытом использования моделей Codex и GPT-5.5 для автоматизации процессов кодирования. Инженеры Braintrust применяют эти модели для быстрого выполнения экспериментов и ускорения разработки кода. Это позволяет значительно сократить время, затрачиваемое на рутинные задачи, и сосредоточиться на более сложных и творческих аспектах разработки. Hacker News · Безопасность и алайнмент Сравнение моделей ИИ по способности к исследованию безопасности Недавно исследователи из ZeroQuarry провели сравнительный анализ различных языковых моделей (LLM) на предмет их способности выполнять задачи в области безопасности. В исследовании участвовали модели от OpenAI, Mistral, Anthropic и других, которые тестировались на различных сценариях, связанных с выявлением уязвимостей, анализом кода и генерацией рекомендаций по защите. Hacker News · Модели и релизы Выход GLM-5.2: новая китайская модель для программирования Китайская компания Zhipu AI представила GLM-5.2 — новую версию большой языковой модели, ориентированную на решение задач по написанию и отладке программного кода. Разработчики сфокусировались на улучшении логических способностей модели, что позволило ей демонстрировать результаты, сопоставимые с ведущими западными аналогами в специализированных бенчмарках для разработчиков. Модель оптимизирована для интеграции в среды разработки и автоматизации написания сложных алгоритмических конструкций. The Verge · Безопасность и алайнмент Китай мог получить доступ к Mythos от Anthropic Согласно новому отчету Semafor, Белый дом ввел экспортные ограничения на модель Mythos от Anthropic частично из-за опасений, что к ней мог получить доступ китайский кибергруппа. Если китайское правительство действительно имело доступ к Mythos 5 или Fable 5, это представляет серьезную угрозу национальной безопасности США.

← Все материалы