RecodeX 重构消息，针对传统大模型网络安全评测多为单机静态答题、与真实攻防场景脱节的问题，来自多机构的研究团队搭建了对称动态攻防竞技场CyberArena，组织12款前沿大模型组合开展实时双向攻防对战。每轮双方同时执行攻击与防守操作，成绩综合捕获对手Flag、守住己方Flag、保障业务可用性三个维度。

经466场有效对局评测，GPT-5.6 Sol、Claude Opus 5位列前二并展现断层优势，智谱GLM-5.3排名第三。研究发现，静态环境下多款模型都能解出的攻防题，进入动态对抗后进攻捕获率大幅下降，防守端的响应速度与应变能力成为顶级模型拉开差距的关键。

团队还通过潜变量能力建模框架完成战力排序，并梳理出模型在攻防对抗中虚假修复、修补不完整等典型失误。这类对称对抗评测不会像静态基准测试那样出现性能饱和。