VR-1.1 من Cogent Security يصلح 57.9% من ثغرات LiveCVEBench مقابل 45.3% لـ Claude Code وCodex
أجرت الشركة الناشئة الاختبار بنفسها على 190 مهمة من معيار معهد هاربين للتكنولوجيا وKuaishou مع حجب الشبكة وإخفاء اختبارات التقييم، لكن ميزانيات الاستدلال اختلفت بين الأنظمة الثلاثة.
لماذا يهم
أصبح الترقيع هو عنق الزجاجة: أحصت Epoch نحو 2,500 إفصاح عالي الخطورة وحرج في يوليو، أي قرابة خمسة أضعاف الرقم القياسي الشهري قبل Claude Mythos Preview في أبريل. يكتب VR-1.1 إثبات مفهوم خاصاً به حين يستطيع، ويتتبع مسارات الشيفرة المرتبطة، ويرسل كل ترقيعة إلى مراجعة منفصلة. تفوّق نموذج متخصص على وكلاء برمجة عامين في معيار جديد لافت، لكنها مقارنة أجراها المورّد بميزانيات استدلال غير متساوية. والمهم متابعة اختبارات مستقلة وردود Anthropic وOpenAI.
حقائق رئيسية
- VR-1.1: 57.9% من 190 مهمة
- تعادل Claude Code وCodex عند 45.3%
- 14 لغة برمجة
- معيار من معهد هاربين للتكنولوجيا وKuaishou
- ميزانيات استدلال مختلفة