@pilvar222: 天哪：@AikidoSecurity 提前拿到了 GPT-6 Astra，在我们的网络安全基准测试上跑了一把，碾压了其他所有模型……

天哪！@AikidoSecurity 提前拿到了 GPT-6 Astra，并在我们的网络安全基准测试中进行了测试，它碾压了所有其他模型！

• 在 pass@3 下，它重新发现了 29/32 个 CVE，这是我们记录到的最高召回率，比 GPT-5.6-Sol 还多出 4 个
• 即使在 pass@1 下，召回率也达到 75%。该模型非常稳定
• 然而，这样的性能付出了高昂的代价（字面意义上的）。三次运行花了我们将近 4000 美元

Astra 现在在我和 @iminurputer 搭建的基准测试中排名第一，而且遥遥领先

1/3 🧵

Astra 还发现了一个我们评估过的所有其他模型都遗漏的漏洞！

这个漏洞需要追踪攻击者控制的数据在组件间解析时的流向，并发现应用实际处理过程与其周边安全检查之间的解析器差异。

其他模型也探索了相同的代码，但没能发现这一点。

该模型展现出了明显的智能提升。

2/3 🧵

这个模型基本已经刷爆了我们对真实世界高难度漏洞的基准测试。几乎一个都没漏。

@OpenAI 这次真的封神了。

了解更多关于我们的基准测试：https://aikido.dev/blog/ai-model-benchmarks-aug-21-2026…

在你的代码上运行我们的 Agent：https://aikido.dev/code/code-audit

3/3 🧵

还有一件事：

我们刚发布了一种简单的方法，可以在你的 PR 上运行这个！

持续安全 > 一次性扫描

我们在 GTA 6 出来之前就拥有了一个 CVE 工厂

不过下次迭代我们可能会准备一个更难的数据集，并增加 pass 次数

🤣

这个模型其实已经很接近那三个了，但没能像其他模型那样找到完整的可利用路径

我们在 Daybreak 中测试的，但我觉得模型在仅做检测时，安全限制通常比较宽松

这取决于模型，我们会权衡成本/性能/pass@n 的最佳比例。OpenAI 的模型跑在 high 档位，因为 high 到 xhigh 的成本差异莫名极高，性能提升却微乎其微；3 个 high 档位的 agent 远比 2 个 xhigh 档位的要好

这绝对是高端配置，虽然有些企业预算非常充足

想象一下他能用 Astra 找出多少恶意软件

全都在这儿了！

是的，有道理。我们确实会用不同设置跑单次 pass，然后决定这里展示什么。我们不想让可视化界面被太多数据弄得太乱，很快会有一个网站展示更多数据 :)

是的，不过我觉得只要提示词给得对，在仅做检测时安全限制还是挺宽松的。不过它确实会阻止任何创建漏洞利用的尝试 😅

确实！真的令人印象深刻

绝对是惊人的，没错

确实，财务团队马上要找我问话了 😆

😂

是啊，太厉害了

好在在代码中找问题时安全限制还挺宽松的，只要你不要求生成漏洞利用

不过我们是用 Daybreak 权限跑的，所以简单多了 :)

👀

我们是 Daybreak 的成员，但 OpenAI 的安全限制在漏洞“检测“这部分通常相当宽松

不过它确实会阻止任何创建漏洞利用的尝试

你不会想看那个账单的🤣

这就是他们说的“进入 AGI 时代“的意思吧

其实效率很高，但模型本身太贵了

希望很快能普及！

预算充足的企业😄

它确实是当下更划算的选择，尤其是在大型代码库上