白泽（Whitzard）女娲实验室 ↗
NUWANUWA INDEX

搜索 NUWA Index

研究 · 测量协议 · 评测结果 · 观点

English
← NUWA Index

评测档案

AgentCyberRange

企业式靶场中的自主网络任务。

复旦大学 · 白泽／女娲实验室 / 项目快照 · 2026-10-24 / Capability · 任务能力

来源与出处 ↓ 阅读研究记录 →

研究问题

AgentCyberRange 在企业式靶场中评估自主网络任务，分别设置 Web 利用与后渗透轨道。不同轨道暴露任务的不同环节，帮助区分初始目标与已有起点之后的持续行动。

代表流程：两个任务轨道

Web 轨道按项目定义的 Web 利用任务评测提交系统；后渗透轨道则考察后续靶场目标。这是来源定义的两类任务，并非同一事件的两个可互换分数。

阅读时应关注系统在较长任务的哪个环节推进、又在哪里停止。项目的轨道定义提供了这一语境，排行榜百分比本身无法说明完整行动轨迹。

任务与评分

NUWA 保留项目快照、提交模型及 Harness、轨道、指标和任务级别，每条观测均关联原有配置。下方结果图读取结构化记录，正文不另行抄写可能变化的成绩。

结果解读

两个轨道分别阅读。任务集、模型端点及提交的智能体配置变化都会改变比较含义。固定配置下的表现变化，与完整智能体系统的变化回答不同问题。

跨报告监测

已发表证据

AgentCyberRange · Web 漏洞利用 · Pass@3

跨来源报告的已发表测量。任务范围通过注释区分，配置差异保留在每条观测中。

22 条观测 · 6 已定位日期

● 条件匹配◇ 配置差异□ 部分条件未披露
Web · Level-0 Pass@3 (%) GPT-5.6 Sol + Codex 0.144.1 [1] GPT-5.6 Sol / Codex 0.144.1 [2] GPT-5.5 + Codex 0.147.0 [1] GPT-5.5 / Codex 0.147.0 [2] Kimi-K3 + Kimi Code 0.35.0 [1] Kimi-K3 / Kimi Code 0.35.0 [2] Qwen-3.8-Max + Qwen Code 0.21.10 [1] Qwen-3.8-Max / Qwen Code 0.21.10 [2] GPT-5.5 + Codex 0.133.0 [1] GPT-5.5 / Codex 0.133.0 [2] DeepSeek-V4-Flash + Claude Code 2.1.226 [1] DeepSeek-V4-Flash / Claude Code 2.1.226 [2] 0 20 40 60 80 100 35.37% 35.37% 26.67% 26.67% 24.61% 24.61% 22.39% 22.39% 18.97% 18.97% 14.19% 14.19%
  1. Website's Level-0 web and post-exploitation tracks
  2. Web exploitation

16 条观测尚无已核实的模型发布日期，可在数据与系统结果中查看。

选择图中数据点或表格行，查看条件与出处。

22 条观测

测量值与来源条件
系统／模型结果条件状态任务／条件评测方／报告日期
GPT-5.6 Sol + Codex 0.144.135.37%Web · Level-0 Pass@3条件不完整Website's Level-0 web and post-exploitation tracksCodex 0.144.1未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 —报告 —
GPT-5.6 Sol / Codex 0.144.135.37%成功率（Pass@3）条件不完整Web exploitationlevel0Codex未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 —报告 —
GPT-5.5 + Codex 0.147.026.67%Web · Level-0 Pass@3条件不完整Website's Level-0 web and post-exploitation tracksCodex 0.147.0未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 —报告 —
GPT-5.5 / Codex 0.147.0GPT-5.526.67%成功率（Pass@3）条件不完整Web exploitationlevel0Codex未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 2026-04-23报告 —
Kimi-K3 + Kimi Code 0.35.024.61%Web · Level-0 Pass@3条件不完整Website's Level-0 web and post-exploitation tracksKimi Code 0.35.0未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 —报告 —
Kimi-K3 / Kimi Code 0.35.0Kimi K324.61%成功率（Pass@3）条件不完整Web exploitationlevel0Kimi Code未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 2026-07-16报告 —
Qwen-3.8-Max + Qwen Code 0.21.1022.39%Web · Level-0 Pass@3条件不完整Website's Level-0 web and post-exploitation tracksQwen Code 0.21.10未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 —报告 —
Qwen-3.8-Max / Qwen Code 0.21.1022.39%成功率（Pass@3）条件不完整Web exploitationlevel0Qwen Code未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 —报告 —
GPT-5.5 + Codex 0.133.018.97%Web · Level-0 Pass@3条件不完整Website's Level-0 web and post-exploitation tracksCodex 0.133.0未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 —报告 —
GPT-5.5 / Codex 0.133.0GPT-5.518.97%成功率（Pass@3）条件不完整Web exploitationlevel0Codex未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 2026-04-23报告 —
DeepSeek-V4-Flash + Claude Code 2.1.22614.19%Web · Level-0 Pass@3条件不完整Website's Level-0 web and post-exploitation tracksClaude Code 2.1.226未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 —报告 —
DeepSeek-V4-Flash / Claude Code 2.1.226DeepSeek-V4-Flash14.19%成功率（Pass@3）条件不完整Web exploitationlevel0Claude Code未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 2026-04-24报告 —
Claude-Opus-4.7 + Claude Code 2.1.15014.02%Web · Level-0 Pass@3条件不完整Website's Level-0 web and post-exploitation tracksClaude Code 2.1.150未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 —报告 —
Claude-Opus-4.7 / Claude Code 2.1.150Claude Opus 4.714.02%成功率（Pass@3）条件不完整Web exploitationlevel0Claude Code未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 2026-04-16报告 —
Qwen-3.7-Max + Qwen Code 0.16.113.51%Web · Level-0 Pass@3条件不完整Website's Level-0 web and post-exploitation tracksQwen Code 0.16.1未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 —报告 —
Qwen-3.7-Max / Qwen Code 0.16.113.51%成功率（Pass@3）条件不完整Web exploitationlevel0Qwen Code未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 —报告 —
GLM-5.1 + Claude Code 2.1.15011.97%Web · Level-0 Pass@3条件不完整Website's Level-0 web and post-exploitation tracksClaude Code 2.1.150未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 —报告 —
GLM-5.1 / Claude Code 2.1.15011.97%成功率（Pass@3）条件不完整Web exploitationlevel0Claude Code未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 —报告 —
DeepSeek-V4-Pro + Claude Code 2.1.15010.26%Web · Level-0 Pass@3条件不完整Website's Level-0 web and post-exploitation tracksClaude Code 2.1.150未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 —报告 —
DeepSeek-V4-Pro / Claude Code 2.1.150DeepSeek V4 Pro10.26%成功率（Pass@3）条件不完整Web exploitationlevel0Claude Code未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 2026-04-24报告 —
Kimi-2.6 + Kimi Code 1.44.05.81%Web · Level-0 Pass@3条件不完整Website's Level-0 web and post-exploitation tracksKimi Code 1.44.0未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 —报告 —
Kimi-2.6 / Kimi Code 1.44.05.81%成功率（Pass@3）条件不完整Web exploitationlevel0Kimi Code未披露AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges发布 —报告 —

实际评测方: 未披露
报告发布方: AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges · AgentCyberRange website

任务与测量

Benchmark 协议档案

任务／对象
AI 智能体完成靶场任务
测量目标
Web 利用与后渗透任务表现；每项提交分别核查配置。
评分／结果口径
Web · Level-0 Pass@3 · 官网报告的 Web 任务 Level-0 Pass@3，保留其原始指标定义。
解释边界
任务集与提交配置变化，不支持无条件比较。
测量档案 · NUWA 解读

档案区分来源方法阅读与既有目录信息；已经公开不代表完成独立证据复核或双语编辑复核。

测量构念
智能体能否从有限入口信息自主发现攻击面，并在权限和线索积累后持续决策？
任务与样本
团队介绍从入口 IP 信息出发，说明早期访问权限与线索如何改变后续可选操作。Web 与后渗透轨道分别呈现。轨迹图同时保留未成功探索和成功推进，展示任务过程，而非只有最终结果。
判分与失效情形
现有带日期目录保留官网 Level-0 Pass@3 标签，但此次取得的介绍不能独立确定估计方法、每单元试验分母、完整预算和提交配置，新档案对这些字段保持未知。
系统条件
团队介绍从入口 IP 信息出发，说明早期访问权限与线索如何改变后续可选操作。Web 与后渗透轨道分别呈现。轨迹图同时保留未成功探索和成功推进，展示任务过程，而非只有最终结果。
统计含义
现有材料尚未确定
效度与解释
缓存项目页为 JavaScript 外壳；介绍未完整披露评分、预算、模型发布身份及独立运行数。轨迹图不能确立总体发生率，申请使用也不能证明部署或伙伴关系。
适用研究问题
模型建议：先取得归档基准说明及提交配置，再解释模型差异；当前介绍仅用于任务范围和过程阅读。

跨报告证据

相同 Benchmark 名称可能对应不同任务、计分规则和系统配置。各来源分别保留，比较组说明具体对齐了哪些条件。

AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges

AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges

实际评测方: 未披露

11 条结果记录 · 11 个报告系统名称

协议与比较依据 (2)
AgentCyberRange：后渗透 · Level-0 Pass@3 · AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Rangessource-report · 范围已审查
AgentCyberRange：Web · Level-0 Pass@3 · AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Rangessource-report · 范围已审查

AgentCyberRange website

AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges →

实际评测方: 未披露

22 条结果记录 · 11 个报告系统名称

协议与比较依据 (8)
AgentCyberRange：成功率（Pass@3） · AgentCyberRange websitesource-report · 范围已审查
AgentCyberRange：成功率（Pass@3） · AgentCyberRange websitesource-report · 范围已审查
AgentCyberRange：成功率（Pass@3） · AgentCyberRange websitesource-report · 范围已审查
AgentCyberRange：成功率（Pass@3） · AgentCyberRange websitesource-report · 范围已审查
AgentCyberRange：成功率（Pass@3） · AgentCyberRange websitesource-report · 范围已审查
AgentCyberRange：成功率（Pass@3） · AgentCyberRange websitesource-report · 范围已审查
AgentCyberRange：成功率（Pass@3） · AgentCyberRange websitesource-report · 范围已审查
AgentCyberRange：成功率（Pass@3） · AgentCyberRange websitesource-report · 范围已审查
原始来源图表与材料

评测结果

数据报告方: AgentCyberRange website · 实际执行方: 各提交的执行方未完整确定 · 抓取时间: 2026-10-26

Web 利用与后渗透分别评测。Pass@3 保留官网定义；各行的预算、样本量和执行日期未披露。

图表按来源顺序展示 11／11 个系统

成功率（Pass@3） · Web exploitation · level0

AgentCyberRange成功率（Pass@3） · Web exploitation · level0来源顺序 · 原始单位 · 保留配置差异0255075100GPT-5.6 Sol / Codex 0.144.1: 35.37%; Web exploitation; Budget not specifiedGPT-5.6 Sol / Codex 0.144.135.37%GPT-5.5 / Codex 0.133.0: 18.97%; Web exploitation; Budget not specifiedGPT-5.5 / Codex 0.133.018.97%GPT-5.5 / Codex 0.147.0: 26.67%; Web exploitation; Budget not specifiedGPT-5.5 / Codex 0.147.026.67%Claude-Opus-4.7 / Claude Code 2.1.150: 14.02%; Web exploitation; Budget not specifiedClaude-Opus-4.7 / Claude Code 2.1.15014.02%GLM-5.1 / Claude Code 2.1.150: 11.97%; Web exploitation; Budget not specifiedGLM-5.1 / Claude Code 2.1.15011.97%DeepSeek-V4-Pro / Claude Code 2.1.150: 10.26%; Web exploitation; Budget not specifiedDeepSeek-V4-Pro / Claude Code 2.1.15010.26%DeepSeek-V4-Flash / Claude Code 2.1.226: 14.19%; Web exploitation; Budget not specifiedDeepSeek-V4-Flash / Claude Code2.1.22614.19%Qwen-3.7-Max / Qwen Code 0.16.1: 13.51%; Web exploitation; Budget not specifiedQwen-3.7-Max / Qwen Code 0.16.113.51%Qwen-3.8-Max / Qwen Code 0.21.10: 22.39%; Web exploitation; Budget not specifiedQwen-3.8-Max / Qwen Code 0.21.1022.39%Kimi-2.6 / Kimi Code 1.44.0: 5.81%; Web exploitation; Budget not specifiedKimi-2.6 / Kimi Code 1.44.05.81%Kimi-K3 / Kimi Code 0.35.0: 24.61%; Web exploitation; Budget not specifiedKimi-K3 / Kimi Code 0.35.024.61%https://agentcyberrange.io/
  1. Codex · 预算未注明
  2. Codex · 预算未注明
  3. Codex · 预算未注明
  4. Claude Code · 预算未注明
  5. Claude Code · 预算未注明
  6. Claude Code · 预算未注明
  7. Claude Code · 预算未注明
  8. Qwen Code · 预算未注明
  9. Qwen Code · 预算未注明
  10. Kimi Code · 预算未注明
  11. Kimi Code · 预算未注明
来源报告的系统及评测条件
系统结果任务集／模式运行配置日期／归属
GPT-5.6 Sol / Codex 0.144.135.37%Web exploitationlevel0Codex未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明
GPT-5.5 / Codex 0.133.018.97%Web exploitationlevel0Codex未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明
GPT-5.5 / Codex 0.147.026.67%Web exploitationlevel0Codex未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明
Claude-Opus-4.7 / Claude Code 2.1.15014.02%Web exploitationlevel0Claude Code未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明
GLM-5.1 / Claude Code 2.1.15011.97%Web exploitationlevel0Claude Code未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明
DeepSeek-V4-Pro / Claude Code 2.1.15010.26%Web exploitationlevel0Claude Code未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明
DeepSeek-V4-Flash / Claude Code 2.1.22614.19%Web exploitationlevel0Claude Code未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明
Qwen-3.7-Max / Qwen Code 0.16.113.51%Web exploitationlevel0Qwen Code未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明
Qwen-3.8-Max / Qwen Code 0.21.1022.39%Web exploitationlevel0Qwen Code未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明
Kimi-2.6 / Kimi Code 1.44.05.81%Web exploitationlevel0Kimi Code未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明
Kimi-K3 / Kimi Code 0.35.024.61%Web exploitationlevel0Kimi Code未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明
GPT-5.6 Sol / Codex 0.144.174.1%Post exploitationlevel0Codex未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明
GPT-5.5 / Codex 0.133.031.71%Post exploitationlevel0Codex未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明
GPT-5.5 / Codex 0.147.042.07%Post exploitationlevel0Codex未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明
Claude-Opus-4.7 / Claude Code 2.1.15015.04%Post exploitationlevel0Claude Code未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明
GLM-5.1 / Claude Code 2.1.15011.37%Post exploitationlevel0Claude Code未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明
DeepSeek-V4-Pro / Claude Code 2.1.15012.2%Post exploitationlevel0Claude Code未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明
DeepSeek-V4-Flash / Claude Code 2.1.22628.46%Post exploitationlevel0Claude Code未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明
Qwen-3.7-Max / Qwen Code 0.16.113.02%Post exploitationlevel0Qwen Code未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明
Qwen-3.8-Max / Qwen Code 0.21.1027.64%Post exploitationlevel0Qwen Code未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明
Kimi-2.6 / Kimi Code 1.44.05.68%Post exploitationlevel0Kimi Code未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明
Kimi-K3 / Kimi Code 0.35.043.9%Post exploitationlevel0Kimi Code未注明 · ? 次尝试未注明来源行日期；含义未明确 · AgentCyberRange website · 执行方: 未注明

版本与提取范围 →

评估出处

AgentCyberRange official snapshot → · 外部报告

相关研究问题

参考文献

  1. [1] AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges ; Official project: Web exploitation / Post exploitation tracks; Level-0 submission records; Official leaderboard: Level-0 Pass@3; arrays QR (web), $R (post), version map ez; routes-B-0Mubrq.js::QR/0/level0/pass3
  2. [2] Kimi Code — What’s New ; Kimi K3 · July 16, 2026
  3. [3] kimi-k3 developer model card ; Model Summary: Total Parameters; Activated Parameters
  4. [4] deepseek-v4-pro release ; News article title, dated heading and availability
  5. [5] deepseek-v4-pro developer model card ; Introduction; model comparison table
  6. [6] OpenAI — introducing gpt 5 5 ; Publication date and availability section; Parameter counts not disclosed in launch article
  7. [7] Introducing Claude Opus 4.7 — Anthropic ; Publication date and availability section; Official launch article; parameter counts not disclosed
  8. [8] deepseek-v4-flash developer model card ; Introduction; model comparison table
  9. [9] AgentCyberRange: Evaluating autonomous cyber capabilities over long-horizon tasks ; Research introduction: Fudan–Whitzard team