Collinear AI发布CWE-bench v2，含100个公开任务

Collinear AI 发布了 CWE-bench v2，提供 100 个覆盖 91 种 CWE 的公开安全修复任务。该数据集为受限访问（gated），用户需先在页面接受访问条件方可使用；若要在保留测试集上评估模型，需联系官方邮箱。 在公开任务上的初步结果显示，Gemini 4 Argon 以 67.8% 的 pass@1 成绩领先于 Claude Opus 5.5。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。