ベンチマーク / ExploitGym
ExploitGym
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
既知の脆弱性を動くエクスプロイトに変換できるかを測る評価（OpenAI の説明）。
セーフガードなしでの成功率。
＊＝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 Astra42.4%＊OpenAI・最大effort・セーフガードなし - 2
Claude Fable 5.130.4%OpenAI（比較表に掲載）・最大effort - 3GPT-5.6 Sol 過去の版30.3%＊OpenAI・最大effort・セーフガードなし
- 4Claude Fable 5 過去の版28.4%OpenAI（比較表に掲載）・最大effort
- 5Claude Opus 5 過去の版22%OpenAI（比較表に掲載）・最大effort