Kimi K2.5

方法与范围

在有版本的软件安全任务集上复现可验证的漏洞触发输入。

证据类型

可复用基准

评测对象

在真实软件中复现漏洞触发条件的编程智能体

主观测维度

Capability · 任务能力

证据快照

2026-10-29.1

主测量是特定智能体配置下的任务完成情况。

来源结论

Completed 模式成功率：2 %；保留来源条件。

适用限制

任务提供已披露漏洞与触发说明；评分器及任务集版本影响结果。

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。 本条限制说明（英文，完整保留）：Headline and Completed have mode-specific numerators and denominators. Provider and serving backend do not identify the actual evaluator. No universal time cap is inferred; inspect source configuration. Official source-reported values; no experimental replication. Model provider and backend are not evidence of per-row evaluator/executor identity. Row date has unspecified semantics; snapshot ID and retrieval time are separate. Source verified:false retained; independent verification semantics not established.

保留原图，不估算数值；本轮未完成原文全部表格转录。

相关研究问题