Cogent Security 的 VR-1.1 修复了 LiveCVEBench 中 57.9% 的漏洞，Claude Code 和 Codex 为 45.3%
该初创公司自行在哈尔滨工业大学与快手构建的 190 项任务基准上测试，屏蔽了外网并隐藏评分测试，但三个系统的推理预算不同。
为何重要
修补已成为瓶颈：Epoch 统计 7 月高危和严重级漏洞披露约 2,500 个，约为 4 月 Claude Mythos Preview 发布前单月纪录的五倍。VR-1.1 在可能时先自行编写概念验证，追踪相关代码路径，并将每个补丁交由独立审查。专用模型在新基准上胜过通用编码智能体值得注意，但这是厂商自行进行、推理预算不一致的对比。值得关注 LiveCVEBench 的独立测试以及 Anthropic 和 OpenAI 的回应。
要点
- VR-1.1：190 项任务完成 57.9%
- Claude Code 与 Codex 并列 45.3%
- 14 种编程语言
- 基准来自哈尔滨工业大学与快手
- 推理预算不同