成绩对标全球巨头，成本延续中国基因：AiPy在CyberGym全球榜单表现惊艳

近日，加州大学伯克利分校主导的网络安全评测基准CyberGym更新最新排行榜，中国开源AI智能体AiPy以92.83%的漏洞复现成功率，跻身全球仅有的27个"90%俱乐部"成员之列，超越了榜单上80%的参评系统。

CyberGym是当前网络安全领域公认的高难度评测基准。其Level 1任务从188个大型开源项目中提取1,507个真实历史漏洞，要求AI智能体仅凭一段自然语言漏洞描述和未修复源代码，自主生成可触发漏洞的概念验证（PoC）代码。评测的严苛之处在于：PoC须在漏洞版本上触发崩溃，同时在官方修复版本上不得崩溃，二者缺一不可。

此次评测中，AiPy成功复现1,399个漏洞，将OpenAI全部三套参赛方案（最高85.60%）、微软MDASH（90.97%）、Wiz Atlas（90.90%）、谷歌Antigravity（86.26%）、xAI Grok（最高79.70%）以及DeepSeek官方智能体（83.30%）全部甩在身后——即便是OpenAI最强的Cyber专用模型，也与AiPy存在超过7个百分点的差距。

比成绩更值得关注的，是成本。CyberGym官方自2026年8月起已强制要求新提交必须同时上报成本，其提交规范明确指出："漏洞发现是真实世界中成本敏感的任务，效率如今与原始成功率同等重要。"据AiPy提交的评测报告，完成全部1,507个任务的总花费约1,764元人民币，折合单题成本仅约0.17美元。同属"90%俱乐部"的Ostorlab Neutron自报单题推理成本为1.04美元，AiPy仅约为其16%；据第三方披露，DarkNavy DoGNAVY单题成本高达15.03美元，AiPy仅约为其1%。在与上述方案成绩同处一梯队的情况下，AiPy把单题成本压到了头部阵营的最低区间。

高性价比的背后是技术路线的选择。AiPy并未依赖专门定制的安全专用框架，也未堆叠旗舰级大模型，而是以通用终端智能体架构搭配高性价比的DeepSeek-V4.1-Flash模型，通过动态提示词驱动完成漏洞定位、代码追踪、假设验证与PoC构造的完整闭环，将成本压缩到极致。

事实上，AiPy的漏洞挖掘能力早已在真实世界中得到验证。据公开报道，短短4个月内，Google Chrome、Mozilla Firefox、Apple macOS、PostgreSQL、QEMU、FreeBSD、F5/NGINX、OpenVPN等9大国际厂商与开源社区先后将AiPy写入官方安全致谢名单：从发现NGINX高危堆缓冲区溢出漏洞（CVSS v4.0高达9.2），到攻破Google Chrome发现高危漏洞、实现全球两大顶级浏览器引擎安全研究全覆盖；从获Apple macOS一次性三个漏洞的官方致谢，到以"代码贡献者"身份进入FreeBSD官方源码仓库致谢列表。其发起的"MB计划"已累计发现超过100个安全漏洞，覆盖从Web应用层到浏览器内核层、从操作系统到数据库的完整攻击面。如今，AiPy已成为全球安全研究者主要使用的AI Agent之一。

业内分析认为，CyberGym成绩与真实世界的漏洞发现能力高度相关，而AiPy正是两者兼备的典型样本。在漏洞挖掘这类高频、长周期、算力密集的安全场景中，单次成本往往直接决定方案能否规模化落地。AiPy以通用架构加高性价比模型取得头部成绩，为行业提供了一条不同于"堆旗舰模型"的可行路径——既能打，也用得起。