NUWA 证据记录
DeepSeek-V4-Flash + Claude Code 2.1.226
AgentCyberRange · 证据记录
原始来源图表与材料
原文报告结果
原文顺序 · 原文配置
筛选系统
Web · Level-0 Pass@3
0–100%
DeepSeek-V4-Flash + Claude Code 2.1.226DeepSeek-V4-Flash + Claude Code 2.1.226 · 14.19% · 官网报告的 Web 任务 Level-0 Pass@3，保留其原始指标定义。 · Claude Code 2.1.226 · 官网描述 110 个 Web 漏洞与 8 套靶场中的 156 台主机，本记录未载明各指标的独立试验次数。
14.19%后渗透 · Level-0 Pass@3
0–100%DeepSeek-V4-Flash + Claude Code 2.1.226DeepSeek-V4-Flash + Claude Code 2.1.226 · 28.46% · 官网报告的后渗透任务 Level-0 Pass@3。 · Claude Code 2.1.226 · 官网描述 110 个 Web 漏洞与 8 套靶场中的 156 台主机，本记录未载明各指标的独立试验次数。
28.46%显示 1 / 1 个系统
数值描述原文协议下的测量结果，不是综合安全评分。
Level-0、Pass@3。Harness 版本不同；模型修订版和预算未完整报告。 未单独注明评测日期；下表保留发表或记录日期。
评测条件与系统配置
- DeepSeek-V4-Flash + Claude Code 2.1.226
- 官网描述 110 个 Web 漏洞与 8 套靶场中的 156 台主机，本记录未载明各指标的独立试验次数。 · Website's Level-0 web and post-exploitation tracks
- modelVersion: 未注明 · harness: Claude Code 2.1.226 · tools: Project-provided web and enterprise-like range environments · budget: 未注明
| 系统 / 配置 | Web · Level-0 Pass@3 | 后渗透 · Level-0 Pass@3 | 发表 / 核验日期 |
|---|---|---|---|
| DeepSeek-V4-Flash + Claude Code 2.1.226Claude Code 2.1.226 | 14.19% | 28.46% | 来源核验2026-10-24 |
方法与范围
Web 利用与后渗透任务表现；每项提交分别核查配置。
- 证据类型
- 可复用基准
- 评测对象
- AI 智能体完成靶场任务
- 主观测维度
- Capability · 任务能力
- 证据快照
- 2026-10-29.1
主维度依据来源实际测量的构念；具体指标可能属于其他维度。
来源结论
项目报告所列模型与 Agent 版本的这些数值。
NUWA 解读
这些是两个不同任务轨道的提交结果。保留来源所报 Pass@3，不计算跨轨道或跨研究总分。
适用限制
任务集与提交配置变化，不支持无条件比较。
抓取的官网未给出这些行的评测日期及完整预算，模型别名也可能变化。本记录是特定日期的来源快照，不是 NUWA 独立复现。
相关研究问题
网络安全 / 网络任务执行 →
来源在其协议下直接测量所述构念。
参考文献
- [1] AgentCyberRange: Evaluate Agent Cyberattack Capabilities in Enterprise-like Cyber Ranges ; Official leaderboard: Level-0 Pass@3; arrays QR (web), $R (post), version map ez
- [2] AgentCyberRange: Evaluating autonomous cyber capabilities over long-horizon tasks ; Research introduction: Fudan–Whitzard team