VR-1.1 de Cogent Security corrige 57,9 % des vulnérabilités de LiveCVEBench, contre 45,3 % pour Claude Code et Codex
L'essai mené par la start-up sur les 190 tâches du benchmark de l'Institut de technologie de Harbin et de Kuaishou bloquait le réseau et masquait les tests de notation, mais les budgets d'inférence différaient entre les trois systèmes.
Pourquoi c’est important
Le correctif est désormais le goulet d'étranglement : Epoch a compté environ 2 500 divulgations de gravité élevée ou critique en juillet, près de cinq fois le record mensuel d'avant Claude Mythos Preview en avril. VR-1.1 écrit sa propre preuve de concept quand il le peut, suit les chemins de code liés et soumet chaque correctif à une revue distincte. Qu'un modèle spécialisé batte des agents de code généralistes sur un benchmark récent est notable, mais la comparaison est menée par le fournisseur avec des budgets d'inférence inégaux. À suivre : des essais indépendants et les réponses d'Anthropic et d'OpenAI.
Faits clés
- VR-1.1 : 57,9 % de 190 tâches
- Claude Code et Codex à égalité à 45,3 %
- 14 langages de programmation
- Benchmark de l'Institut de technologie de Harbin et de Kuaishou
- Budgets d'inférence différents