Назад до тренду дня: Деякі хакери використовують ШІ-агентів, щоб перетворювати оновлення програм на атаки
Рейтинг Poly · з тренду дня

Найкращий ШІ для кібербезпеки 2026: оцінки атак і виправлень

У власній статті CyberGym найкращий ШІ-агент відтворив не більше 22% реальних вразливостей, а виробники тепер заявляють 95–97% на тих самих 1 507 помилках.

  • №1: GPT-6 Sol (OpenAI)
  • 10 місць

01Підсумковий список

Провідні ШІ незалежно склали свої списки з десяти місць. Нагорі — один підсумок, який легко перевірити: у кожного місця є причина, джерело та список ШІ, які його включили.

Порядок: від більшої згоди ШІ до меншої.

Яскрава плашка — цей ШІ включив пункт у свій список. Тьмяна — не включив.

  1. 1

    GPT-6 Sol (OpenAI)

    Друга в CyberBench v1.1 з результатом 77,98% і близько 69% в індексі Artificial Analysis Cyber Index у закритій формі Daybreak Blue. Результатів у тестах на виправлення не знайдено.

    Увімкнули: Claude, Meta, Grok, DeepSeek. Не увімкнули: ChatGPT, Nemotron, Gemini, MiMo, Kimi, Wenxin.

    У їхніх списках: Claude: 6 · Meta: 2 · Grok · DeepSeek: 5

    Що відзначив кожен ШІ 1
    • Claudeмісце 6

      Друге місце в CyberBench v1.1, але показника SWE-bench для неї в моїх джерелах немає.

    4 ШІ поставили сюди
  2. 2

    Muse Wonder (Meta)

    Лідирує в Vals CyberBench v1.1 з результатом 80,36% і має 96,7% у SWE-bench Pro V2 Full, тож сильний і в атаках, і у виправленнях. В одному списку «Wonder Full» показано 73,6%.

    Увімкнули: Claude, Meta, Grok, DeepSeek. Не увімкнули: ChatGPT, Nemotron, Gemini, MiMo, Kimi, Wenxin.

    У їхніх списках: Claude: 7 · Meta: 1 · Grok: 7 · DeepSeek: 4

    Що відзначив кожен ШІ 1
    • Claudeмісце 7

      Перше місце в CyberBench v1.1 з результатом 80,36%, але оцінок виправлень для неї я не знайшов.

    4 ШІ поставили сюди
  3. 3

    Gemini 4 Argon (Google)

    Має 77,86% у CyberBench, на 0,12 пункту менше за GPT-6 Sol, і 65–68% у виправленнях CWE-bench. Це одна з небагатьох моделей, яких оцінили в обох напрямах.

    Увімкнули: Claude, Meta, Grok, DeepSeek. Не увімкнули: ChatGPT, Nemotron, Gemini, MiMo, Kimi, Wenxin.

    У їхніх списках: Claude: 5 · Meta: 3 · Grok: 3 · DeepSeek: 10

    Що відзначив кожен ШІ 1
    • Claudeмісце 5

      Лише на 0,12 бала позаду GPT-6 Sol у CyberBench, від компанії, яка також створює захисні інструменти Big Sleep і CodeMender.

    4 ШІ поставили сюди
  4. 4

    DeepSeek V4 (Pro та V4.1 Flash)

    Відкриті ваги: V4 Pro виправляє 96,40% у SWE-bench Verified, а V4.1 Flash має 73,69% у CyberBench за менш як 3 $ за запуск, проти близько 22 $ у GPT-6 Sol.

    Увімкнули: Claude, Grok, Kimi, DeepSeek. Не увімкнули: ChatGPT, Meta, Nemotron, Gemini, MiMo, Wenxin.

    У їхніх списках: Claude: 3 · Grok: 4 · Kimi: 9 · DeepSeek: 7

    Що відзначив кожен ШІ 1
    • Claudeмісце 3

      Друге місце в SWE-bench Verified з результатом 96,40%: модель класу з відкритими вагами, яку зловмисники можуть запускати самі.

    4 ШІ поставили сюди
  5. 5

    Claude Opus 5 (Антропік)

    Найкраще виправляє помилки за таблицями двох видавців SWE-bench Verified (97,00% у Vals, 96% у BenchLM). Vals вважає цей тест насиченим, а для цієї моделі немає результату з експлойтів.

    Увімкнули: Claude, MiMo, Kimi. Не увімкнули: ChatGPT, Meta, Grok, Nemotron, Gemini, DeepSeek, Wenxin.

    У їхніх списках: Claude: 1 · MiMo: 1 · Kimi: 3

    Що відзначив кожен ШІ 1
    • Claudeмісце 1

      Перше місце в SWE-bench Verified з результатом 97,00%, тож модель виправляє більше, ніж ламає, а трекер Google не назвав Claude серед інструментів зловмисників.

    3 ШІ поставили сюди
  6. 6

    Claude Fable 5.2 (Антропік)

    Найкращий у виправленнях: 75% у CWE-bench v2, тест запускали супровідники бенчмарку, на 7 пунктів попереду Gemini 4 Hydrogen. Також 93% у SWE-bench Pro, а результату з експлойтів не опубліковано.

    Увімкнули: Meta, Grok, Kimi. Не увімкнули: Claude, ChatGPT, Nemotron, Gemini, MiMo, DeepSeek, Wenxin.

    У їхніх списках: Meta: 5 · Grok: 1 · Kimi: 1

    3 ШІ поставили сюди
  7. 7

    Claude Mythos 5 (Антропік)

    Виправляє 95,5% у SWE-bench Verified, але в ExploitGym досягає лише 38,1% проти 48,5% у GPT-6 Cyber. Профіль схилений до захисту, хоча кожна лабораторія користувалася власним середовищем тестування.

    Увімкнули: Claude, MiMo, Kimi. Не увімкнули: ChatGPT, Meta, Grok, Nemotron, Gemini, DeepSeek, Wenxin.

    У їхніх списках: Claude: 4 · MiMo: 2 · Kimi: 6

    Що відзначив кожен ШІ 1
    • Claudeмісце 4

      Друге місце в таблиці виправлень BenchLM з результатом 95,5%, але конкретних показників експлойтів для Mythos я не знайшов.

      Джерело ↗
    3 ШІ поставили сюди
  8. 8

    GPT-6 Cyber (OpenAI)

    Фахівець із експлойтів: 48,5% у ExploitGym і 100% у ExploitBench, обидва результати повідомила OpenAI. Модель доступна лише після перевірки особи, а результату з виправлень не опубліковано.

    Увімкнули: Meta, Grok, Kimi. Не увімкнули: Claude, ChatGPT, Nemotron, Gemini, MiMo, DeepSeek, Wenxin.

    У їхніх списках: Meta: 8 · Grok: 2 · Kimi: 4

    3 ШІ поставили сюди
  9. 9

    Claude Opus 5.5 (Антропік)

    Лідирує в Vals CyberOffense за мережевими атаками з результатом 77,1% і виправляє 89,9% у SWE-bench Pro. Її результат у CyberBench — 55,36% або 74,6%, залежно від таблиці Vals.

    Увімкнули: Meta, Grok, DeepSeek. Не увімкнули: Claude, ChatGPT, Nemotron, Gemini, MiMo, Kimi, Wenxin.

    У їхніх списках: Meta: 4 · Grok: 8 · DeepSeek: 9

    3 ШІ поставили сюди
  10. 10

    Kimi K3.1 Pro (Moonshot AI)

    Найвищий бал в індексі Artificial Analysis Cyber Index на стандартному публічному API (64,1%), а також 94,7% у CyberGym-E2E-AA, вище за 93% закритої версії GPT-6 Sol Daybreak Blue.

    Увімкнули: Meta, Grok. Не увімкнули: Claude, ChatGPT, Nemotron, Gemini, MiMo, Kimi, DeepSeek, Wenxin.

    У їхніх списках: Meta: 6 · Grok: 6

    2 ШІ поставили сюди

02Варто знати

Що помітили ШІ, поки складали список.

Власна стаття CyberGym показала найкращого агента на рівні від 11,9% (рання версія) до 22,0% (фінальна версія). Виробники тепер заявляють 93–97% на тому самому наборі: TrendAI — 97%, а Xiaomi сама повідомила 95,1% для MiMo-V2.6-Flash.

Помітили:
Увімкнули: Claude, ChatGPT, Meta, Grok, Kimi. Не увімкнули: Nemotron, Gemini, MiMo, DeepSeek, Wenxin.
Джерело ↗

Обв'язка тестів змінює результати не менше, ніж сама модель: в одному випадку Semgrep побачив, як модель піднялася з 25% до 73% із кращим середовищем.

Помітили:
Увімкнули: Claude. Не увімкнули: ChatGPT, Meta, Grok, Nemotron, Gemini, MiMo, Kimi, DeepSeek, Wenxin.
Джерело ↗

Версії тестів не порівнювані: GPT-5.6 Sol упала з 88,14% у CyberBench v1 до 76,31% у v1.1. Vals також зараховує відмови як помилки.

Помітили:
Увімкнули: Claude, ChatGPT, Kimi, DeepSeek. Не увімкнули: Meta, Grok, Nemotron, Gemini, MiMo, Wenxin.
Джерело ↗

Оцінки виправлень теж завищені: OpenAI припинила публікувати SWE-bench Verified після аудиту, який знайшов суттєві дефекти тестів у 59,4% складних завдань, які вона перевірила.

Помітили:
Увімкнули: ChatGPT, DeepSeek. Не увімкнули: Claude, Meta, Grok, Nemotron, Gemini, MiMo, Kimi, Wenxin.
Джерело ↗

Зловмисники в реальних атаках користуються відкритими фреймворками агентів (ARTEX, CAIRN, PentAGI, CyberStrikeAI, exploit_agent), а не моделями з верхівки рейтингів. Федеральне бюро розслідувань (ФБР) повідомляє, що ARTEX отримав привілейований доступ менш як за три години.

Помітили:
Увімкнули: Meta, MiMo, Kimi. Не увімкнули: Claude, ChatGPT, Grok, Nemotron, Gemini, DeepSeek, Wenxin.
Джерело ↗

03Що питають люди

Який ШІ найкращий для кібербезпеки?

Єдиної переможниці немає. Muse Wonder лідирує в Vals CyberBench v1.1 з результатом 80,36%, а Claude Fable 5.2 — у виправленнях за CWE-bench v2 з результатом 75%.

Яка модель ШІ найкраща для кібербезпеки?

Все залежить від завдання. Для виправлення реальних помилок Claude Opus 5 лідирує в SWE-bench Verified з результатом 97,00%, а для симульованих мережевих атак Claude Opus 5.5 лідирує у Vals CyberOffense з результатом 77,1%.

Яка найкраща акція ШІ-кібербезпеки?

Бенчмарки ранжують моделі, а не акції. Wedbush назвала своїми топ-вибором у кібербезпеці CrowdStrike (ціль 250 $) і Palo Alto Networks (ціль 400 $).

Джерело ↗
Яка найкраща сертифікація з кібербезпеки ШІ?

CompTIA SecAI+ (CY0-001), запущений 17 лютого 2026 року, — це стартова точка саме для ШІ: до 60 запитань за 60 хвилин, для людей з кількома роками роботи в безпеці.

Джерело ↗

04Як рахували

Простими словами, без формул.

1Питання

Топ-10 моделей ШІ для кібербезпеки: вміння атакувати проти вміння виправляти

2Чому ця тема

Читачі бачать разом результати атакувальної сторони, оборонної сторони і те, що зафіксовано в реальних атаках. Вони дізнаються, які моделі найбільше допомагають захисникам, і чому один і той самий тест дає дуже різні відповіді залежно від того, хто його проводить.

3Де це застосовно

Глобально; передові моделі ШІ та агентні установки, перевірені на реальних програмних уразливостях

4На що дивилися

  • Частка успішного відтворення реальних уразливостей у лабораторії (CyberGym, Vals.ai CyberBench)
  • Частка успішних робочих виправлень реальних помилок у коді, які не ламають інших частин (сімейство SWE-bench)
  • Чи потрібна людина, щоб завершити завдання
  • Наскільки стабільні результати моделі між версіями тестів і видавцями
  • Vals.ai CyberBench v1.1 — відтворення доказу концепції (60 завдань) і виправлення без порушення роботи (56 завдань) на реальних помилках OSS-Fuzz; не порівнюється з v1
  • CWE-bench v2 (через BenchLM) — виправлення вразливостей за типом слабкості; тест запускають супровідники бенчмарку
  • SWE-bench Verified (Vals, BenchLM) — частка реальних відкритих помилок, виправлених без поломки інших тестів; Vals вважає тест насиченим
  • SWE-bench Pro (Scale AI SEAL) — складніші завдання з виправлення в реальних репозиторіях; V2 використовує 642 завдання

5Хто ставив місця

Провідні ШІ: Claude, ChatGPT, Meta, Grok, Nemotron, Gemini, MiMo, Kimi, DeepSeek, Wenxin. Кожен сам склав свій список із десяти місць і до кожного місця назвав джерело.

6Як зведено місця

Те саме, назване різними ШІ по-різному, рахували як одне. Що більше ШІ включили пункт до свого списку і що вище поставили, то вище його місце. «Згода ШІ» показує, у скількох ШІ цей пункт був у власному списку. Джерела — лише ті, що знайшли самі ШІ, нічого не додано вручну.

05Список кожного ШІ окремо

🇺🇸 Claude10 місць · нотаток: 4

Те саме питання, відповідь одного ШІ — Claude. Підсумковий список вище об'єднує всі ШІ.

  1. 1
    Claude Opus 5

    Перше місце в SWE-bench Verified з результатом 97,00%, тож модель виправляє більше, ніж ламає, а трекер Google не назвав Claude серед інструментів зловмисників.

  2. 2
    GPT-5.6 Sol

    Упала з 88,14% у CyberBench v1 до 76,31% у v1.1, що показує, наскільки важлива версія тесту.

  3. 3
    DeepSeek V4 Pro

    Друге місце в SWE-bench Verified з результатом 96,40%: модель класу з відкритими вагами, яку зловмисники можуть запускати самі.

  4. 4
    Claude Mythos 5

    Друге місце в таблиці виправлень BenchLM з результатом 95,5%, але конкретних показників експлойтів для Mythos я не знайшов.

    Джерело ↗
  5. 5
    Gemini 4 Argon

    Лише на 0,12 бала позаду GPT-6 Sol у CyberBench, від компанії, яка також створює захисні інструменти Big Sleep і CodeMender.

  6. 6
    GPT-6 Sol

    Друге місце в CyberBench v1.1, але показника SWE-bench для неї в моїх джерелах немає.

  7. 7
    Wonder (налаштування агента)

    Перше місце в CyberBench v1.1 з результатом 80,36%, але оцінок виправлень для неї я не знайшов.

  8. 8
    Claude Fable 5

    95% у таблиці виправлень BenchLM — поруч із моделями Opus і Mythos.

    Джерело ↗
  9. 9
    ШІ-агент Сангфор на DeepSeek-V4-Flash

    За одним звітом — 93,2% у CyberGym, що дивно виглядає поруч із підтвердженими 63,24% у вересневій статті.

    Джерело ↗
  10. 10
    Агент Microsoft MDASH

    У травні 2026 року — 88,45% у CyberGym.

    Джерело ↗

Що помітив Claude

Ранні результати CyberGym були низькими: 17,9% для найкращого результату одного запуску в статті. GPT-5 піднявся з 7,7% до 22,0% зі збільшенням зусиль на міркування.

Обв'язка агента може змінити результати так само, як і модель: Semgrep побачив, як одна модель піднялася з 25% до 73% із кращою обв'язкою.

Berkeley RDI повідомив, що Claude Sonnet 4.5 показав 28,9% у CyberGym в одному запуску і 66,7% з 30 спробами.

Підрозділ Google Threat Intelligence (GTIG) каже, що зловмисники використовують ШІ переважно для роботи з уже оголошеними вразливостями — аналізу патчів і демонстраційного коду експлойтів. Він повідомляє, що пов'язана з Китаєм UNC2814 і Північна Корея (APT45) використовували ШІ для пошуку вразливостей.