Srovnání schopností AI modelů
Kyberbezpečnost
Only models released within the past year are shown. Only benchmarks covering at least 3 of these models are shown. Unknown release dates are excluded; historical data is retained.
CyberBenchBenchmark kybernetické bezpečnosti
— means no published score for this candidate in this source, not zero.10/11 recent-year models have scores
| Č. | Model | Cost / TestNáklady na test | Input costCena vstupu za milion tokenů | Output costCena výstupu za milion tokenů | DurationUvedená doba testu | |
|---|---|---|---|---|---|---|
| 1 |  GPT-6 SolGPT-6 Sol | 77.98 | $1.34 | $2 | $10 | 12.23 min |
| 2 |  Gemini 4 ArgonGemini 4 Argon | 77.86 | $5.11 | $4 | $20 | 19.17 min |
| 3 | GPT-6 LunaGPT-6 Luna | 76.25 | $0.13 | $0.1 | $0.5 | 15.83 min |
| 4 |  Claude Haiku 5.5Claude Haiku 5.5 | 75.48 | $1.25 | $0.1 | $0.5 | 32.65 min |
| 5 | Claude Fable 5.1Claude Fable 5.1 | 70.42 | $4.01 | $10 | $50 | 18.53 min |
| 6 | Claude Opus 5Claude Opus 5 | 65.36 | $2.87 | $5 | $25 | 19.42 min |
| 7 | Claude Sonnet 5.5Claude Sonnet 5.5 | 59.58 | $4.42 | $2 | $10 | 33.88 min |
| 8 | Claude Opus 5.5Claude Opus 5.5 | 55.36 | $3.48 | $4 | $20 | 18.18 min |
| 9 | GPT-6 AstraGPT-6 Astra | 41.07 | $1.84 | $10 | $50 | 4.17 min |
| 10 | GPT-6.1 SolGPT-6.1 Sol | 39.29 | $0.29 | $2 | $10 | 3.7 min |
PandaNpc Aktualizováno 21. 10. 2026 06:01 UTC
Zdroj: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Průvodce sloupci
- Č.
- Pouze pořadí zobrazení. Řazení toto číslo mění; nejde o zveřejněné pořadí schopností.
- Model
- Název hodnoceného modelu a ikona jeho poskytovatele. Pomlčka ve sloupci se skóre znamená, že zde není k dispozici žádné zveřejněné skóre, nikoli nula.
- Skóre
- Testuje identifikaci a opravu bezpečnostních chyb v softwaru. Metodika hodnocení ↗
- Cost / Test
- Náklady na test · USD
- Input cost
- Cena vstupu za milion tokenů · USD / 1M tokens
- Output cost
- Cena výstupu za milion tokenů · USD / 1M tokens
- Duration
- Uvedená doba testu · s / min
- Vals.ai
- Náklady a časy pro tento benchmark uvádí Vals, nejde o univerzální ceny modelů ani latenci. Odhadovaný náklad na API u CUA-bench zahrnuje využití při hodnocení a je odhadem dolní hranice, nikoli nákladem na úlohu; čas na akci je průměr, nikoli medián. Hvězdička označuje chování prompt-cache v den spuštění, které zvýšilo náklady na zápis do cache. Chybějící hodnoty jsou nezveřejněné, nikoli nulové.