VR-1.1 de Cogent Security repara el 57,9% de las vulnerabilidades de LiveCVEBench frente al 45,3% de Claude Code y Codex
La prueba de la propia empresa sobre las 190 tareas del benchmark del Instituto de Tecnología de Harbin y Kuaishou bloqueó la red y ocultó las pruebas de evaluación, pero los presupuestos de inferencia fueron distintos en los tres sistemas.
Por qué importa
Aplicar parches es ahora el cuello de botella: Epoch contó unas 2.500 divulgaciones de gravedad alta y crítica en julio, cerca de cinco veces el récord mensual previo a Claude Mythos Preview en abril. VR-1.1 escribe su propia prueba de concepto cuando puede, sigue las rutas de código relacionadas y envía cada parche a una revisión aparte. Que un modelo especializado supere a agentes de programación generales en un benchmark nuevo es llamativo, pero es una comparación hecha por el proveedor con presupuestos de inferencia desiguales. Habrá que ver pruebas independientes de LiveCVEBench y la respuesta de Anthropic y OpenAI.
Datos clave
- VR-1.1: 57,9% de 190 tareas
- Claude Code y Codex empatan en 45,3%
- 14 lenguajes de programación
- Benchmark del Instituto de Tecnología de Harbin y Kuaishou
- Presupuestos de inferencia distintos