99.4% 登顶 CyberGym：中国团队刷新 AI 安全基准世界纪录

一个中国 AI 系统在 CyberGym 上拿到 99.4% 的成绩，位列全球第一，并刷新了这项被称作“AI 安全世界杯”的基准的世界纪录。量子位的报道把这一结果作为核心事实给出。

CyberGym 属于网络安全方向的智能体评测，衡量的是模型在多步操作中把任务做完的能力，而不是单轮问答的正确率。也正因如此，99.4% 这样的数字指向的是执行链条上的稳定性：拆解目标、调用工具、读取反馈、修正下一步。

报道还强调了这支团队的来路——“师承世界冠军”。这句话传递的信息是研发路径的延续性：方法论来自有过竞赛成绩的团队，而不是临时拼凑的方案。在攻防类任务里，这种经验传承往往比单纯的算力堆叠更能解释成绩。

但基准第一与真实世界防护是两件事。基准有固定的任务分布和评分口径，能拿到高分说明系统在这个分布内足够稳定；能否迁移到未知环境、面对未公开的攻击面时仍然维持水平，则需要另外的证据来支撑。

候选信息没有给出这个系统的名称、模型规模、训练方式或具体任务构成，也没有说明成绩是否经过第三方复核。这些缺失意味着，外界目前只能确认“这个结果存在”，还不能确认“这项能力可以被复现”。

从行业角度看，网络安全正在成为智能体能力的一块公开竞技场：任务明确、结果可量化、演示性强，因此很适合用来证明模型确实能干活。但这也带来一个风险——榜单成绩容易被直接等同于安全能力本身。

接下来值得关注三点：榜单是否开放成绩复核，团队是否发布技术报告说明方法与失败案例，以及该系统在非公开环境中的表现能否被独立验证。只有这三件事跟进，99.4% 才不只是一个数字。