OpenAI
GPT-5.5
关于能力、行为倾向及可观察行动的已发表证据。
- 首次公开可用日期
- 2026-04-23
- 参数规模
- 未披露
- 元数据更新
- 2026-10-27
- · 公开发布
- · API 开放
评测档案记载 2026-04-24;该日期保留为来源记录,与独立维护的发布元数据区分。
来源 ↓证据概述
按评估与协议整理已发表风险证据;证据缺失不代表风险较低。
NUWA 整理和解读这些来源。实验归属于原始执行方,本页不宣称 NUWA 已独立复现。
模型监测
代表性 Benchmark 覆盖
按协议和配置呈现结果,缺口标明待收录或待关联的证据。
AgentCyberRange →
4 项测量
全部条件 →Cybench →
7 项测量
全部条件 →CyberGym →
3 项测量
METR Time Horizons →
尚未关联该模型版本的合格测量。
SEC-bench Pro →
8 项测量
全部条件 →MASK →
6 项测量
- 65.3%Center for AI Safety · Harness 未披露
- 69.6%Center for AI Safety · Harness 未披露
- 63.3%Center for AI Safety · Harness 未披露
Attempt to Persuade Eval (APE) →
2 项测量
DeceptionBench →
尚未关联该模型版本的合格测量。
PersuSafety →
尚未关联该模型版本的合格测量。
全部已关联测量
各项结果保留原始协议与单位。
72 条观测
| 系统/模型 | 结果 | 条件状态 | 任务/条件 | 评测方/报告 | 日期 |
|---|---|---|---|---|---|
| 55.45%CyberGym · CyberGym pass@1 | 条件不完整 | CyberGym Level 1 hard-task matched subsetCyberGym pass@12M tokens per task— | Lyptus ResearchGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 81.8%CyberGym · 成功率 | 条件不完整 | level1score_10OpenAI Agent | Not disclosedCyberGym official leaderboard and machine-data extraction | 发布 2026-04-23报告 — | |
| 88.12%CyberGym · CyberGym pass@1 | 条件不完整 | CyberGym Level 1 hard-task matched subsetCyberGym pass@150M tokens per task— | Lyptus ResearchGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 18.97%AgentCyberRange · 成功率(Pass@3) | 条件不完整 | Web exploitationlevel0Codex | Not disclosedAgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges | 发布 2026-04-23报告 — | |
| 26.67%AgentCyberRange · 成功率(Pass@3) | 条件不完整 | Web exploitationlevel0Codex | Not disclosedAgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges | 发布 2026-04-23报告 — | |
| 31.71%AgentCyberRange · 成功率(Pass@3) | 条件不完整 | Post exploitationlevel0Codex | Not disclosedAgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges | 发布 2026-04-23报告 — | |
| 42.07%AgentCyberRange · 成功率(Pass@3) | 条件不完整 | Post exploitationlevel0Codex | Not disclosedAgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges | 发布 2026-04-23报告 — | |
| 91.18%Cybench · Cybench pass@1 | 条件不完整 | Cybench 34/40 task subsetCybench pass@120M total tokens; 100000 output/generationInspect Evals | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 93.33%Cybench · Cybench category pass@1 | 条件不完整 | Cybench CryptographyCybench category pass@1Inspect Evals | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 83.33%Cybench · Cybench category pass@1 | 条件不完整 | Cybench WebCybench category pass@1Inspect Evals | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 100%Cybench · Cybench category pass@1 | 条件不完整 | Cybench PwnCybench category pass@1Inspect Evals | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 100%Cybench · Cybench category pass@1 | 条件不完整 | Cybench Reverse Eng.Cybench category pass@1Inspect Evals | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 100%Cybench · Cybench category pass@1 | 条件不完整 | Cybench ForensicsCybench category pass@1Inspect Evals | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 50%Cybench · Cybench category pass@1 | 条件不完整 | Cybench MiscCybench category pass@1Inspect Evals | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 65.3%MASK · Continuations honesty95% Wilson CI [58.1, 72.0] (as reported) | 条件不完整 | MASK by archetype— | Center for AI SafetyGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 69.6%MASK · Disinformation honesty95% Wilson CI [61.1, 77.0] (as reported) | 条件不完整 | MASK by archetype— | Center for AI SafetyGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 63.3%MASK · Doubling-down honesty95% Wilson CI [54.4, 71.4] (as reported) | 条件不完整 | MASK by archetype— | Center for AI SafetyGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 77%MASK · Known-facts honesty95% Wilson CI [70.9, 82.2] (as reported) | 条件不完整 | MASK by archetype— | Center for AI SafetyGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 75.2%MASK · Provided-facts honesty95% Wilson CI [69.7, 79.9] (as reported) | 条件不完整 | MASK by archetype— | Center for AI SafetyGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 87.5%MASK · Statistics honesty95% Wilson CI [79.4, 92.7] (as reported) | 条件不完整 | MASK by archetype— | Center for AI SafetyGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariohighexplicit goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariohighexplicit goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariohighexplicit goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariohighlatent goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariohighlatent goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariohighlatent goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariohighambiguous goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariohighambiguous goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariohighambiguous goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariohighno goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariohighno goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Blackmail scenariohighno goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariohighexplicit goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariohighexplicit goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariohighexplicit goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariohighlatent goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariohighlatent goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariohighlatent goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariohighambiguous goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariohighambiguous goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariohighambiguous goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariohighno goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariohighno goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Leaking scenariohighno goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariohighexplicit goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariohighexplicit goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariohighexplicit goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariohighlatent goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariohighlatent goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariohighlatent goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariohighambiguous goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariohighambiguous goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariohighambiguous goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariohighno goal · ReplacementInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariohighno goal · RestrictionInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 0%Agentic misalignment · 有害行动发生率[0–11] | 条件不完整 | Agentic Misalignment Murder scenariohighno goal · No threatInspect Evals; GPT-5-mini transcript judge | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 10%Agentic misalignment · Agentic Misalignment verbalized evaluation awareness | 条件不完整 | Agentic Misalignment evaluationAgentic Misalignment verbalized evaluation awareness— | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 71%CTF-Archive-Diamond · Task accuracy | 条件不完整 | CTF-Archive-Diamond1M weighted tokensInspect ReAct | NIST / CAISICAISI Evaluation of DeepSeek V4 Pro | 发布 2026-04-23报告 2026-05-01 | |
| 71%CTF-Archive-Diamond · benchmark_score | 条件不完整 | CTF-Archive-Diamondxhigh1M weighted tokensInspect built-in ReAct agent | NIST / CAISICAISI Evaluation of DeepSeek V4 Pro | 发布 2026-04-23报告 2026-05-01 | |
| 78%PortBench · Reported task accuracy | 条件不完整 | PortBench1M weighted tokensInspect ReAct | NIST / CAISICAISI Evaluation of DeepSeek V4 Pro | 发布 2026-04-23报告 2026-05-01 | |
| 129 countExploitGym · 指定目标成功数 | 条件不完整 | v1on_target2h timeoutCodex CLI | Not disclosedExploitGym official leaderboard and benchmark page | 发布 2026-04-23报告 — | |
| 208 countExploitGym · Flag 获取数 | 条件不完整 | v1flag_captured2h timeoutCodex CLI | Not disclosedExploitGym official leaderboard and benchmark page | 发布 2026-04-23报告 — | |
| 58.4%SEC-bench Pro · Headline 成功率 | 条件不完整 | 260617 / overallheadlineHeadline UI: fixed budget; Completed UI: within timeout. Published summary timeout_caps=null; cap labels do not establish equal token or cost budgets.Codex | Not disclosedSEC-bench Pro official leaderboard: selected 260617 and historical 260505 | 发布 2026-04-23报告 — | |
| 60.3%SEC-bench Pro · Completed 模式成功率 | 条件不完整 | 260617 / overallcompletedHeadline UI: fixed budget; Completed UI: within timeout. Published summary timeout_caps=null; cap labels do not establish equal token or cost budgets.Codex | Not disclosedSEC-bench Pro official leaderboard: selected 260617 and historical 260505 | 发布 2026-04-23报告 — | |
| 47.6%SEC-bench Pro · Headline 成功率 | 条件不完整 | 260617 / v8headlineHeadline UI: fixed budget; Completed UI: within timeout. Published summary timeout_caps=["1.5h"]; cap labels do not establish equal token or cost budgets.Codex | Not disclosedSEC-bench Pro official leaderboard: selected 260617 and historical 260505 | 发布 2026-04-23报告 — | |
| 48%SEC-bench Pro · Completed 模式成功率 | 条件不完整 | 260617 / v8completedHeadline UI: fixed budget; Completed UI: within timeout. Published summary timeout_caps=["1.5h"]; cap labels do not establish equal token or cost budgets.Codex | Not disclosedSEC-bench Pro official leaderboard: selected 260617 and historical 260505 | 发布 2026-04-23报告 — | |
| 44.2%SEC-bench Pro · Headline 成功率 | 条件不完整 | 260617 / firefoxheadlineHeadline UI: fixed budget; Completed UI: within timeout. Published summary timeout_caps=["1.5h"]; cap labels do not establish equal token or cost budgets.Codex | Not disclosedSEC-bench Pro official leaderboard: selected 260617 and historical 260505 | 发布 2026-04-23报告 — | |
| 44.7%SEC-bench Pro · Completed 模式成功率 | 条件不完整 | 260617 / firefoxcompletedHeadline UI: fixed budget; Completed UI: within timeout. Published summary timeout_caps=["1.5h"]; cap labels do not establish equal token or cost budgets.Codex | Not disclosedSEC-bench Pro official leaderboard: selected 260617 and historical 260505 | 发布 2026-04-23报告 — | |
| 77.4%SEC-bench Pro · Headline 成功率 | 条件不完整 | 260617 / linuxheadlineHeadline UI: fixed budget; Completed UI: within timeout. Published summary timeout_caps=["1.5h"]; cap labels do not establish equal token or cost budgets.Codex | Not disclosedSEC-bench Pro official leaderboard: selected 260617 and historical 260505 | 发布 2026-04-23报告 — | |
| 83.2%SEC-bench Pro · Completed 模式成功率 | 条件不完整 | 260617 / linuxcompletedHeadline UI: fixed budget; Completed UI: within timeout. Published summary timeout_caps=["1.5h"]; cap labels do not establish equal token or cost budgets.Codex | Not disclosedSEC-bench Pro official leaderboard: selected 260617 and historical 260505 | 发布 2026-04-23报告 — | |
| 18%Attempt to Persuade Eval (APE) · APE Turn-1 persuasion-attempt rate | 条件不完整 | APE Conspiracy (main persuade condition)highAPE simulated persuadee; automated attempt evaluator; StrongREJECT refusal classifier | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 | |
| 22%Attempt to Persuade Eval (APE) · APE Turn-1 persuasion-attempt rate | 条件不完整 | APE Undermining control (main persuade condition)highAPE simulated persuadee; automated attempt evaluator; StrongREJECT refusal classifier | SaferAIGLM-5.2 Risk Evaluation Report | 发布 2026-04-23报告 2026-08-02 |
开发者披露
外部评估
Lyptus Research
GPT-5.5 Saturates Our Offensive Cybersecurity Time Horizons →
原始任务跨度报告与聚合运行数据,用于澄清 CyberGym 的任务子集、配置及重试叠加。
2026-05-27按风险主题组织的证据
自主性 38 项协议结果
PortBench →
外部评测 · 执行方 美国 NIST/CAISI
- Reported task accuracy
- 78%
见报告特定样本与分母。
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- Agentic Misalignment verbalized evaluation awareness
- 10%
原文未披露本结果的样本量
欺骗 38 项协议结果
MASK by archetype →
引用结果 · 执行方 Center for AI Safety · 原始执行方 Center for AI Safety
- Continuations honesty
- 65.3%
- Disinformation honesty
- 69.6%
- Doubling-down honesty
- 63.3%
- Known-facts honesty
- 77.0%
- Provided-facts honesty
- 75.2%
- Statistics honesty
- 87.5%
见报告特定样本与分母。
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- 有害行动发生率
- 0%
来源分母:30(单位未披露);每种条件 30 次试验
Agentic Misalignment with neutral emails →
外部评测 · 执行方 SaferAI
- Agentic Misalignment verbalized evaluation awareness
- 10%
原文未披露本结果的样本量
网络安全 26 项协议结果
CTF-Archive-Diamond →
外部评测 · 执行方 美国 NIST/CAISI
- Task accuracy
- 71%
见报告特定样本与分母。
CyberGym · level1 · score_10 →
外部评测 · 执行方
- 成功率
- 81.8%
原文未披露本结果的样本量
ExploitGym · v1 · on_target →
外部评测 · 执行方
- 指定目标成功数
- 129 count
原文未披露本结果的样本量
ExploitGym · v1 · flag_captured →
外部评测 · 执行方
- Flag 获取数
- 208 count
原文未披露本结果的样本量
SEC-bench Pro · 260617 / overall · headline →
外部评测 · 执行方
- Headline 成功率
- 58.4%
201/344
SEC-bench Pro · 260617 / overall · completed →
外部评测 · 执行方
- Completed 模式成功率
- 60.3%
199/330
SEC-bench Pro · 260617 / v8 · headline →
外部评测 · 执行方
- Headline 成功率
- 47.6%
49/103
SEC-bench Pro · 260617 / v8 · completed →
外部评测 · 执行方
- Completed 模式成功率
- 48%
49/102
SEC-bench Pro · 260617 / firefox · headline →
外部评测 · 执行方
- Headline 成功率
- 44.2%
46/104
SEC-bench Pro · 260617 / firefox · completed →
外部评测 · 执行方
- Completed 模式成功率
- 44.7%
46/103
SEC-bench Pro · 260617 / linux · headline →
外部评测 · 执行方
- Headline 成功率
- 77.4%
106/137
SEC-bench Pro · 260617 / linux · completed →
外部评测 · 执行方
- Completed 模式成功率
- 83.2%
104/125
AgentCyberRange · Web exploitation · pass3 →
外部评测 · 执行方
- 成功率(Pass@3)
- 18.97%
原文未披露本结果的样本量
AgentCyberRange · Web exploitation · pass3 →
外部评测 · 执行方
- 成功率(Pass@3)
- 26.67%
原文未披露本结果的样本量
AgentCyberRange · Post exploitation · pass3 →
外部评测 · 执行方
- 成功率(Pass@3)
- 31.71%
原文未披露本结果的样本量
AgentCyberRange · Post exploitation · pass3 →
外部评测 · 执行方
- 成功率(Pass@3)
- 42.07%
原文未披露本结果的样本量
Cybench →
外部评测 · 执行方 SaferAI
- Cybench pass@1
- 91.18%
31/34
Cybench →
外部评测 · 执行方 SaferAI
- Cybench category pass@1
- 93.33%
14/15
Cybench →
外部评测 · 执行方 SaferAI
- Cybench category pass@1
- 83.33%
5/6
Cybench →
外部评测 · 执行方 SaferAI
- Cybench category pass@1
- 100%
2/2
Cybench →
外部评测 · 执行方 SaferAI
- Cybench category pass@1
- 100%
5/5
Cybench →
外部评测 · 执行方 SaferAI
- Cybench category pass@1
- 100%
4/4
Cybench →
外部评测 · 执行方 SaferAI
- Cybench category pass@1
- 50%
1/2
CyberGym hard subset with token budgets →
引用结果 · 执行方 Lyptus Research · 原始执行方 Lyptus Research
- CyberGym pass@1
- 55.45%
56/101
CyberGym hard subset with token budgets →
引用结果 · 执行方 Lyptus Research · 原始执行方 Lyptus Research
- CyberGym pass@1
- 88.12%
89/101
CTF-Archive-Diamond →
外部评测 · 执行方 美国 NIST/CAISI
- benchmark_score
- 71%
原文未披露本结果的样本量
化生放核 未关联结构化结果
目录缺口不代表低风险。尚未提取的发现及协议范围请见关联报告。
虚假信息与影响 2 项协议结果
APE Turn-1 attempts →
外部评测 · 执行方 SaferAI
- APE Turn-1 persuasion-attempt rate
- 18%
来源分母:100(单位未披露)
APE Turn-1 attempts →
外部评测 · 执行方 SaferAI
- APE Turn-1 persuasion-attempt rate
- 22%
来源分母:100(单位未披露)
自主物理危害 未关联结构化结果
目录缺口不代表低风险。尚未提取的发现及协议范围请见关联报告。
来源核查与证据缺口
CyberGym →
整理 CyberGym 官网报告的评测结果,保留受测系统和运行配置。
官网收录不同配置下的系统提交。本结果的任务数、预算和执行日期未完整披露;未定义指标及身份待核实行已排除。JSON 原始比例按官网展示规则乘以 100 并保留一位小数,转换为百分比。
ExploitGym →
整理 ExploitGym 官网报告的评测结果,保留受测系统和运行配置。
指定目标成功与 Flag 获取是不同的计数。任务版本和超时截点分别保留,不将目录总任务数视为各提交的分母。
SEC-bench Pro →
整理 SEC-bench Pro 官网报告的评测结果,保留受测系统和运行配置。
Headline 与 Completed 使用不同纳入规则,分子与分母都可能变化。模型提供方及服务后端不等于实际评测方。
AgentCyberRange →
整理 AgentCyberRange 官网报告的评测结果,保留受测系统和运行配置。
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。
GLM-5.2 Risk Evaluation Report, Version 1.1 →
对 SaferAI · GLM-5.2 的逐来源提取与核查,发现和数值均保留原始归属。
来源转录不等于实验复现。未确定的日期、执行方及配置保留为未知;原文分组不作为经核验排名。
CAISI Evaluation of DeepSeek V4 Pro →
对 CAISI · DeepSeek V4 Pro 的逐来源提取与核查,发现和数值均保留原始归属。
来源转录不等于实验复现。未确定的日期、执行方及配置保留为未知;原文分组不作为经核验排名。
缺失分数可能来自尚未提取的章节、未披露配置、身份待核实或尚无实验。这些问题需要分别处理,均不代表零分。
解读与开放问题
报告差异可能来自任务选择、模型端点、提示、预算、判别器和发表时间。证据依据实际协议分组,不推断模型整体安全等级。
参考文献
- [1] OpenAI — introducing gpt 5 5 ; Publication date and availability section; Parameter counts not disclosed in launch article
- [2] GLM-5.2 Risk Evaluation Report. 2026-08-02. v1.1 · revised 26 August 2026 ; Appendix A.7; Table A.3, pp. 41–42; p.6 Fig.1; p.6 Fig.2 printed bar label
- [3] CAISI Evaluation of DeepSeek V4 Pro. 2026-05-01. 1 May 2026 ; Capability Results; Figure 2; *** footnote; Capability Results; Figure 2; Figure 2 HTML table, CTF-Archive-Diamond, OpenAI GPT-5.5 (xhigh)
- [4] GPT-5.5 System Card. 2026-04-23
- [5] CyberGym official leaderboard and machine-data extraction ; /level1/51/score_10
- [6] ExploitGym official leaderboard and benchmark page ; /results/3/on_target; /results/3/flag_captured
- [7] SEC-bench Pro official leaderboard: selected 260617 and historical 260505 ; /0/results/0/score_modes/headline/score; /0/results/0/score_modes/completed/score; /1/results/0/score_modes/headline/score
- [8] AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges ; routes-B-0Mubrq.js::QR/1/level0/pass3; routes-B-0Mubrq.js::QR/2/level0/pass3; routes-B-0Mubrq.js::$R/1/level0/pass3
- [9] Jack Payne, Sean Peters. GPT-5.5 Saturates Our Offensive Cybersecurity Time Horizons. 2026-05-27