VR-1.1 da Cogent Security corrige 57,9% das vulnerabilidades do LiveCVEBench contra 45,3% de Claude Code e Codex
O teste da própria startup nas 190 tarefas do benchmark do Instituto de Tecnologia de Harbin e da Kuaishou bloqueou a rede e ocultou os testes de avaliação, mas os orçamentos de inferência diferiram entre os três sistemas.
Por que importa
Corrigir é agora o gargalo: a Epoch contou cerca de 2.500 divulgações de gravidade alta e crítica em julho, quase cinco vezes o recorde mensal anterior ao Claude Mythos Preview, em abril. O VR-1.1 escreve a própria prova de conceito quando pode, segue caminhos de código relacionados e envia cada correção a uma revisão separada. Um modelo especializado superar agentes de código gerais num benchmark novo chama atenção, mas a comparação foi feita pelo fornecedor com orçamentos de inferência desiguais. Vale acompanhar testes independentes do LiveCVEBench e a resposta de Anthropic e OpenAI.
Fatos principais
- VR-1.1: 57,9% de 190 tarefas
- Claude Code e Codex empatados em 45,3%
- 14 linguagens de programação
- Benchmark do Instituto de Tecnologia de Harbin e da Kuaishou
- Orçamentos de inferência diferentes