NUWA 证据记录
GPT-5.4
CTF-Archive-Diamond · 证据记录
原始来源图表与材料
记录指标
- benchmark_score
- 54.4%
原文未披露本结果的样本量
Inspect built-in ReAct agent · 1M weighted tokens
评估出处
CAISI Evaluation of DeepSeek V4 Pro → · 外部报告
实际评测: 美国 NIST／CAISI · 模型档案 →
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：54.4 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）：Printed one-decimal figure label; retained separately from rounded Figure 2. Figure 3 GPT-5.4 comparator is distinct from Figure 2 GPT-5.5 and GPT-5.4 mini.
相关研究问题
网络安全 / 网络任务执行 →
该协议明确测量该问题或其使能子能力，结论保留给定条件。
参考文献
数值结果由所引研究的作者报告。
- [1] CTF-Archive-Diamond. 2026-05-01. 1 May 2026 ; Figure 3(b), CTF-Archive Diamond, legend GPT-5.4 (xhigh)