CyberGym 자체 논문은 최고 에이전트를 11.9%(초기 버전)~22.0%(최종 버전)로 봤습니다. 제조사들은 같은 시험에서 93~97%를 주장합니다. 트렌드AI는 97%, 샤오미 MiMo-V2.6-Flash는 자체 발표 95.1%입니다.
2026년 사이버보안 최고의 AI: 공격 대 수정 점수
CyberGym 자체 논문에서 최고의 AI 에이전트는 실제 취약점을 최대 22%만 재현했지만, 제조사들은 같은 1,507개 버그에서 95~97%를 주장합니다.
- 1위: GPT-6 Sol (OpenAI)
- 10개 순위
01최종 목록
선도 AI들이 각자 독립적으로 열 개짜리 목록을 만들었습니다. 확인하기 쉬운 하나의 결과입니다. 모든 순위에는 이유, 출처, 그 항목을 넣은 AI 목록이 있습니다.
순서: AI의 동의가 많은 항목부터 적은 항목 순입니다.
밝은 배지는 해당 AI가 이 항목을 자기 목록에 넣었다는 뜻이고, 흐린 배지는 넣지 않았다는 뜻입니다.
- 1
GPT-6 Sol (OpenAI)
CyberBench v1.1에서 77.98%로 2위이고, 승인받은 사용자만 쓸 수 있는 Daybreak Blue 버전으로는 Artificial Analysis Cyber Index에서 약 69%입니다. 수정 벤치마크 점수는 찾지 못했습니다.
포함함: Claude, Meta, Grok, DeepSeek. 포함하지 않음: ChatGPT, Nemotron, Gemini, MiMo, Kimi, Wenxin.각 AI 목록에서의 순위: Claude: 6 · Meta: 2 · Grok · DeepSeek: 5
각 AI가 짚은 점 1
- Claude6위
CyberBench v1.1에서 2위입니다. 제 자료에는 SWE-bench 수치가 없습니다.
AI 4개가 이 순위로 선택 - 2
Muse Wonder (메타)
Vals CyberBench v1.1에서 80.36%로 1위이고, SWE-bench Pro V2 Full에서 96.7%를 기록해 뚫기와 고치기 모두 강합니다. 'Wonder Full' 목록에서는 73.6%로 나옵니다.
포함함: Claude, Meta, Grok, DeepSeek. 포함하지 않음: ChatGPT, Nemotron, Gemini, MiMo, Kimi, Wenxin.각 AI 목록에서의 순위: Claude: 7 · Meta: 1 · Grok: 7 · DeepSeek: 4
각 AI가 짚은 점 1
- Claude7위
CyberBench v1.1에서 80.36%로 1위입니다. 다만 이 모델의 수정 점수는 찾지 못했습니다.
AI 4개가 이 순위로 선택 - 3
Gemini 4 Argon (구글)
CyberBench에서 77.86%로, GPT-6 Sol에 0.12점 뒤져 있습니다. CWE-bench 패치 시험에서는 65~68%입니다. 공격과 수정 양쪽 모두 점수가 나온 몇 안 되는 모델 중 하나입니다.
포함함: Claude, Meta, Grok, DeepSeek. 포함하지 않음: ChatGPT, Nemotron, Gemini, MiMo, Kimi, Wenxin.각 AI 목록에서의 순위: Claude: 5 · Meta: 3 · Grok: 3 · DeepSeek: 10
각 AI가 짚은 점 1
- Claude5위
CyberBench에서 GPT-6 Sol에 0.12점 뒤진 2위입니다. 이 모델을 만든 회사는 방어용 도구 Big Sleep과 CodeMender도 만듭니다.
AI 4개가 이 순위로 선택 - 4
딥시크 V4 (Pro 및 V4.1 Flash)
오픈 웨이트(공개 가중치) 모델입니다. V4 Pro는 SWE-bench Verified 수정 96.40%이고, V4.1 Flash는 CyberBench에서 73.69%이며 한 번 돌리는 데 3달러 미만입니다. GPT-6 Sol은 한 번에 약 22달러입니다.
포함함: Claude, Grok, Kimi, DeepSeek. 포함하지 않음: ChatGPT, Meta, Nemotron, Gemini, MiMo, Wenxin.각 AI 목록에서의 순위: Claude: 3 · Grok: 4 · Kimi: 9 · DeepSeek: 7
각 AI가 짚은 점 1
- Claude3위
SWE-bench Verified에서 96.40%로 2위입니다. 공격자가 직접 돌릴 수 있는 오픈 웨이트 계열 모델입니다.
AI 4개가 이 순위로 선택 - 5
Claude Opus 5 (앤트로픽)
두 발행처의 SWE-bench Verified 표에서 실측 수정 1위입니다(Vals 97.00%, 벤치LM 96%). Vals는 이 시험이 포화되어(거의 모두 맞혀) 변별력이 없다고 봅니다. 이 모델의 공격 점수는 없습니다.
포함함: Claude, MiMo, Kimi. 포함하지 않음: ChatGPT, Meta, Grok, Nemotron, Gemini, DeepSeek, Wenxin.각 AI 목록에서의 순위: Claude: 1 · MiMo: 1 · Kimi: 3
각 AI가 짚은 점 1
- Claude1위
SWE-bench Verified에서 97.00%로 1위입니다. 망가뜨리는 것보다 고치는 것이 더 많다는 뜻입니다. 구글의 추적 자료도 공격자들이 쓴 도구로 Claude를 꼽지 않았습니다.
AI 3개가 이 순위로 선택 - 6
Claude Fable 5.2 (앤트로픽)
수정 부문 1위입니다. 벤치마크 관리자가 직접 돌린 CWE-bench v2에서 75%로, Gemini 4 Hydrogen보다 7점 앞섭니다. SWE-bench Pro에서는 93%이고, 공격 점수는 공개되지 않았습니다.
포함함: Meta, Grok, Kimi. 포함하지 않음: Claude, ChatGPT, Nemotron, Gemini, MiMo, DeepSeek, Wenxin.각 AI 목록에서의 순위: Meta: 5 · Grok: 1 · Kimi: 1
AI 3개가 이 순위로 선택 - 7
Claude Mythos 5 (앤트로픽)
SWE-bench Verified 수정은 95.5%지만, ExploitGym에서는 38.1%에 그칩니다. OpenAI의 GPT-6 Cyber 48.5%와 비교됩니다. 방어 쪽으로 기운 모델이지만, 각 연구소가 자체 실행 환경을 써서 직접 비교는 어렵습니다.
포함함: Claude, MiMo, Kimi. 포함하지 않음: ChatGPT, Meta, Grok, Nemotron, Gemini, DeepSeek, Wenxin.각 AI 목록에서의 순위: Claude: 4 · MiMo: 2 · Kimi: 6
각 AI가 짚은 점 1
- Claude4위
벤치LM의 수정 표에서 95.5%로 2위입니다. 다만 Mythos 전용 공격 수치는 찾지 못했습니다.
출처 ↗
AI 3개가 이 순위로 선택 - 8
GPT-6 Cyber (OpenAI)
공격 전문 모델입니다. ExploitGym 48.5%, ExploitBench 100%로, 둘 다 OpenAI가 발표했습니다. 신원 확인을 거쳐야만 쓸 수 있고, 수정 점수는 공개되지 않았습니다.
포함함: Meta, Grok, Kimi. 포함하지 않음: Claude, ChatGPT, Nemotron, Gemini, MiMo, DeepSeek, Wenxin.각 AI 목록에서의 순위: Meta: 8 · Grok: 2 · Kimi: 4
AI 3개가 이 순위로 선택 - 9
Claude Opus 5.5 (앤트로픽)
Vals CyberOffense 네트워크 공격에서 77.1%로 1위이고, SWE-bench Pro 수정은 89.9%입니다. CyberBench 점수는 Vals 표에 따라 55.36% 또는 74.6%로 읽힙니다.
포함함: Meta, Grok, DeepSeek. 포함하지 않음: Claude, ChatGPT, Nemotron, Gemini, MiMo, Kimi, Wenxin.각 AI 목록에서의 순위: Meta: 4 · Grok: 8 · DeepSeek: 9
AI 3개가 이 순위로 선택 - 10
Kimi K3.1 Pro (문샷 AI)
표준 공개 API에서 Artificial Analysis Cyber Index 최고 점수(64.1%)이고, CyberGym-E2E-AA에서 94.7%로 승인 제한된 GPT-6 Sol Daybreak Blue의 93%보다 높습니다.
포함함: Meta, Grok. 포함하지 않음: Claude, ChatGPT, Nemotron, Gemini, MiMo, Kimi, DeepSeek, Wenxin.각 AI 목록에서의 순위: Meta: 6 · Grok: 6
AI 2개가 이 순위로 선택
02알아 둘 만한 것
AI들이 목록을 만들며 발견한 것.
실행 환경이 점수를 모델만큼 바꿉니다. 한 사례에서 세므그렙은 더 나은 실행 환경으로 모델 점수가 25%에서 73%로 올랐다고 봤습니다.
시험 버전끼리는 비교할 수 없습니다. GPT-5.6 Sol은 CyberBench v1에서 88.14%였는데 v1.1에서 76.31%로 떨어졌습니다. Vals는 거부한 답도 실패로 셉니다.
수정 점수도 부풀려졌습니다. 감사에서 어려운 과제의 59.4%에서 시험 자체에 중대한 결함이 발견되자, OpenAI는 SWE-bench Verified 보고를 중단했습니다.
현장의 공격자들은 순위표 상위 모델이 아니라 오픈소스 에이전트 틀(ARTEX, CAIRN, PentAGI, CyberStrikeAI, exploit_agent)을 씁니다. FBI는 ARTEX가 3시간 안에 관리자 권한을 얻었다고 밝혔습니다.
03사람들이 묻는 질문
사이버보안에 가장 좋은 AI는 무엇인가요?
단일 모델이 모두 이기지는 않습니다. Muse Wonder는 Vals CyberBench v1.1에서 80.36%로 1위이고, Claude Fable 5.2는 CWE-bench v2 패치에서 75%로 1위입니다.
사이버보안에 가장 좋은 AI 모델은 무엇인가요?
작업에 따라 다릅니다. 실제 버그 수정은 SWE-bench Verified 97.00%로 Claude Opus 5가 1위이고, 모의 네트워크 공격은 Vals CyberOffense 77.1%로 Claude Opus 5.5가 1위입니다.
AI 사이버보안 주식 중 가장 좋은 것은 무엇인가요?
벤치마크는 모델을 매기지 주식을 매기지 않습니다. 웨드부시는 크라우드스트라이크(목표가 250달러)와 팔로알토 네트웍스(목표가 400달러)를 최고 사이버보안 종목으로 꼽았습니다.
출처 ↗사이버보안 분야 AI 자격증 중 가장 좋은 것은 무엇인가요?
CompTIA SecAI+(CY0-001)는 2026년 2월 17일 출시된 AI 보안 입문 자격증입니다. 최대 60문항을 60분 동안 풀며, 보안 실무 몇 년 차인 사람을 대상으로 합니다.
출처 ↗04집계 방법
공식 없이 쉬운 말로.
1질문
사이버보안 AI 모델 10선: 공격 능력 대 수정 능력
2이 주제를 고른 이유
독자는 공격 쪽 점수, 방어 쪽 점수, 실제 공격에서 관찰된 결과를 한눈에 봅니다. 방어자에게 가장 도움이 되는 모델이 무엇인지, 그리고 같은 테스트도 누가 돌리느냐에 따라 답이 크게 달라지는 이유를 알 수 있습니다.
3적용 범위
전 세계, 실제 소프트웨어 취약점으로 테스트한 최전선 AI 모델과 에이전트 구성
4살펴본 기준
- 연구실에서 실제 취약점을 재현하는 성공률(CyberGym, Vals.ai CyberBench)
- 실제 코드 버그에 대해 작동하고 다른 기능을 깨뜨리지 않는 수정을 만들어내는 성공률(SWE-bench 계열)
- 작업을 끝내기 위해 사람이 필요한지 여부
- 테스트 버전과 발표 주체가 달라도 모델 점수가 얼마나 일관된지
- Vals.ai CyberBench v1.1 — 실제 OSS-Fuzz 버그에서 공격이 실제로 되는지 재현(60개 과제)과 다른 기능을 깨뜨리지 않는 패치(56개 과제); v1과 비교 불가
- CWE-bench v2 (벤치LM 경유) — 약점 유형별 취약점 패치, 벤치마크 관리자가 실행
- SWE-bench Verified (Vals, 벤치LM) — 다른 시험을 깨뜨리지 않고 고친 실제 오픈소스 버그의 비율; Vals는 포화되었다고 표시
- SWE-bench Pro (스케일 AI SEAL) — 더 어려운 실제 저장소 수정 과제; V2는 642개 과제 사용
5순위를 매긴 AI
선도 AI: Claude, ChatGPT, Meta, Grok, Nemotron, Gemini, MiMo, Kimi, DeepSeek, Wenxin. 각 AI가 독립적으로 10위까지의 목록을 만들고 순위마다 출처를 밝혔습니다.
6순위를 정한 방법
AI마다 다르게 쓴 같은 항목은 하나로 셌습니다. 더 많은 AI가 목록에 넣고 더 높이 놓을수록 순위가 높아집니다. 'AI 합의'는 그 항목을 자기 목록에 넣은 AI의 수를 보여 줍니다. 출처는 AI가 직접 찾은 것뿐이며 사람이 추가한 것은 없습니다.
05AI별 목록
🇺🇸 Claude10개 순위 · 메모 4개
같은 질문에 Claude 혼자 답한 결과입니다. 위의 최종 목록은 모든 AI를 종합합니다.
- 1Claude Opus 5
SWE-bench Verified에서 97.00%로 1위입니다. 망가뜨리는 것보다 고치는 것이 더 많다는 뜻입니다. 구글의 추적 자료도 공격자들이 쓴 도구로 Claude를 꼽지 않았습니다.
- 2GPT-5.6 Sol
CyberBench v1에서 88.14%였던 점수가 v1.1에서는 76.31%로 떨어졌습니다. 시험 버전이 결과에 얼마나 큰 영향을 주는지 보여 줍니다.
- 3딥시크 V4 Pro
SWE-bench Verified에서 96.40%로 2위입니다. 공격자가 직접 돌릴 수 있는 오픈 웨이트 계열 모델입니다.
- 4Claude Mythos 5
벤치LM의 수정 표에서 95.5%로 2위입니다. 다만 Mythos 전용 공격 수치는 찾지 못했습니다.
출처 ↗ - 5Gemini 4 Argon
CyberBench에서 GPT-6 Sol에 0.12점 뒤진 2위입니다. 이 모델을 만든 회사는 방어용 도구 Big Sleep과 CodeMender도 만듭니다.
- 6GPT-6 Sol
CyberBench v1.1에서 2위입니다. 제 자료에는 SWE-bench 수치가 없습니다.
- 7Wonder (에이전트 설정)
CyberBench v1.1에서 80.36%로 1위입니다. 다만 이 모델의 수정 점수는 찾지 못했습니다.
- 8Claude Fable 5
벤치LM 수정 표에서 95%입니다. Opus와 Mythos 모델에 가까운 수치입니다.
출처 ↗ - 9상포르 AI 에이전트 (딥시크-V4-Flash 기반)
한 보고서는 CyberGym에서 93.2%를 발표했습니다. 이는 9월 논문에서 검증된 63.24%와 어긋납니다.
출처 ↗ - 10마이크로소프트 MDASH 에이전트
2026년 5월에 CyberGym 88.45%를 발표했습니다.
출처 ↗
Claude의 발견
CyberGym의 초기 점수는 낮았습니다. 논문에서 단일 시도 최고 결과는 17.9%였습니다. GPT-5는 추론에 더 많은 노력을 들이자 7.7%에서 22.0%로 올랐습니다.
에이전트 실행 틀이 모델만큼 결과를 바꿀 수 있습니다. 세므그렙은 더 나은 틀로 한 모델의 결과가 25%에서 73%로 바뀌는 것을 봤습니다.
버클리 RDI는 단일 실행에서 Claude Sonnet 4.5의 CyberGym 점수를 28.9%로 발표했습니다. 30번 시도했을 때는 66.7%로 올랐습니다.
구글 위협 분석팀(GTIG)은 공격자들이 AI를 주로 n-day 작업에 쓴다고 말합니다. 패치와 PoC 분석 같은 일입니다. 중국 연계 UNC2814와 북한의 APT45도 취약점 연구에 AI를 썼다고 보고합니다.