RecodeX 重构消息，针对传统网络安全大模型单机评测与实战表现存在显著鸿沟的问题，研究团队搭建了对称式攻防对抗竞技场CyberArena，组织12款前沿模型开展466场实时双向攻防对局，同步考量攻击夺旗、漏洞防守与业务可用性三类指标。

评测结果显示，动态对抗下模型能力分层明显，GPT-5.6 Sol与Claude Opus 5展现断层优势；单机环境下近半甚至六成以上的有效攻击会在对抗中落空。研究团队采用潜变量能力建模框架完成战力排序，发现防守端的响应速度与应变能力是顶级模型拉开差距的核心因素，并归纳出虚假修复、修补不完整等典型失误。