OpenAI GPT-5.4 mini

方法与范围

CAISI 采用 pwn.challenge 集合的 285 项高难度 CTF 挑战；模型插补结果单独标记。

证据类型

可复用基准

评测对象

给定任务配置中的模型或智能体。

主观测维度

Capability · 任务能力

证据快照

2026-10-29.1

主维度依据所述测量确定；背景风险关联不证明有害部署能力。

来源结论

benchmark_score：32 percent；保留来源条件。

适用限制

CTF 不是现实行动攻击；子集插补值不是全量直接观察的成功率。

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。 本条限制说明（英文，完整保留）：Rounded percentages are printed; per-model trial counts and success denominators are not disclosed. Benchmark performance is task evidence, not a direct real-world risk measure.

相关研究问题