网络安全的 AlphaGo 时刻，或从这 466 场 Agent 对局开始

针对传统网络安全大模型单机评测与实战表现存在显著鸿沟的问题，相关研究团队搭建了对称式攻防对抗竞技场 CyberArena，组织 12 款前沿模型开展 466 场实时双向攻防对局，同步考量攻击夺旗、漏洞防守与业务可用性三类指标。评测结果显示，动态对抗下模型能力分层明显，GPT-5.6 Sol、Claude Opus 5 展现断层优势，且静态答题中看不出的能力差距会在动态博弈中凸显，单机环境下近半甚至六成以上的有效攻击会在对抗中落空。研究团队采用潜变量能力建模框架完成战力排序，发现防守端的响应速度与应变能力是顶级模型拉开差距的核心因素，同时也统计归纳出各类模型在攻防过程中存在的虚假修复、修补不完整等典型失误。这类对称对抗评测不会像静态基准测试那样出现分数饱和，能更真实反映模型在攻防拉锯中的边际优势，为网络安全 AI 智能体从做题走向实战提供了全新的评测路径。