ベンチマーク / ExploitBench
ExploitBench
サイバーセキュリティ・高いほど良い
このベンチマークとは
既知の脆弱性を実際に動くエクスプロイトにできるかを測る評価（OpenAI の説明）。
OpenAI はセーフガードなしで測定。Astra は100%で飽和。
＊＝開発元の自社発表。 出典（表）ごとに分けています。同じ表の値どうしは同じ条件で比べられます。
OpenAI の表
OpenAI: GPT-6 Astra 発表（比較表・脚注） ↗比較表の他社モデル数値は OpenAI が掲載したもの。各社最大 effort の値。
- 1
GPT-6 Astra100%＊OpenAI・最大effort・セーフガードなし - 2GPT-5.6 Sol 過去の版78.5%＊OpenAI・最大effort・セーフガードなし
- 3
Claude Opus 5 過去の版70%OpenAI（比較表に掲載）・最大effort