网络安全的AlphaGo时刻，或从CyberArena这466场Agent对局开始

2077AI、UC Berkeley RDI 等机构研究团队推出对称攻防评测平台 CyberArena，12 款前沿模型与 harness 组合经 22 个批次、466 场有效对局，OpenAI 的 GPT-5.6 Sol 以 78.6 分居首，Anthropic 的 Claude Opus 5 以 73.8 分次之，智谱开源模型 GLM-5.3 以 68.5 分列第三。平台采用攻防夺旗形式，每场 3 轮，Agent 须一边攻破对手服务、一边守住己方业务可用性。对比实验显示，GPT-5.6 Sol、Claude Opus 4.8 和 GLM-5.3 在单人模式下都能完全解出的 30 道题，进入双向对抗后第 3 轮进攻捕获率分别跌至 52%、37% 和 35%。论文见 arXiv 2610.19005，代码已在 GitHub 开源。