腾讯玄武实验室的阿图因 AI 在 CyberGym 网络安全基准测试中获得 84.0%的分数，超越了 Anthropic 的 Claude Mythos Preview，且其消耗的预算不到 Mythos 的 0.1%。 这表明基于开源的、成本效益高的 AI 在漏洞发现方面可以超越大型专有模型，可能降低组织机构采用 AI 驱动安全审计的门槛。 阿图因 AI 基于可本地部署的开源模型 GLM-5.1 构建，在 curl、gnark、OpenSSL、Python cryptography、Java bc-java 等项目中发现了多个高危逻辑漏洞，评分最高达 9.3。在伯克利 BVI 真实世界漏洞榜单中，其严重漏洞严重程度排名第 1。
背景
CyberGym 是加州大学伯克利分校推出的大规模基准测试，包含 188 个开源软件项目的 1507 个真实漏洞，用于评估 AI 代理的网络安全能力。GLM-5.1 是智谱 AI 推出的旗舰开源大语言模型，专为长程自主任务设计。Claude Mythos Preview 是 Anthropic 在“玻璃翼计划”下开发的网络安全专用模型。