CWE-bench v2：覆盖更广、质量更高、更透明的网络安全基准

Collinear AI 发布 CWE-bench v2，公开 100 个安全任务，覆盖 91 种 CWE，供任何人运行并评估模型修复漏洞的能力。评测完全程序化且结果可复现，排行榜显示 Gemini 4 Argon 以 67.8% pass@1 领先，Claude Opus 5.5 以 67.3% 紧随其后。