Qwen3.8-Max mencocokkan Opus 5 dalam tingkat pengingatan kerentanan dengan biaya setengahnya

iconChainthink
Bagikan
AI summary iconRingkasan
Qwen3.8-Max mencocokkan tingkat recall berita kerentanan Opus 5 dengan setengah biaya. Uji coba Aikido menemukan Qwen3.8-Max mendeteksi 26 dari 32 kerentanan dalam tiga putaran, mencapai 81,3%. Opus 5 setara dalam recall tetapi biayanya $1.642. Skor F1 Qwen3.8-Max sebesar 83,2% masih di bawah Kimi K3 Max dan GPT-5.6 Sol. Berita suku bunga tidak berdampak pada hasil. DeepSeek V4 Flash tetap yang termurah dengan biaya $164.

Pesan ChainThink, 5 Agustus, perusahaan keamanan Aikido menggunakan agen audit kode untuk menguji 7 model, mencakup Qwen3.8-Max, Claude Opus 5, Kimi K3 Max, DeepSeek V4 Flash, GPT-5.6 Sol, Luna, dan Terra.

Uji coba mencakup 32 kerentanan publik terbaru, dengan setiap model dijalankan 3 kali. Qwen3.8-Max berhasil menemukan 26 kerentanan dalam tiga putaran, dengan tingkat recall 81,3%, bersama-sama menduduki peringkat pertama dengan Claude Opus 5.

Qwen3.8-Max memiliki skor F1 komprehensif 83,2%, sedikit lebih rendah daripada Opus 5, Kimi K3 Max, dan GPT-5.6 Sol.

Stabilitas kinerja sekali jalan lemah, hanya 10 dari 26 lubang ditemukan secara konsisten selama tiga putaran berturut-turut, Opus 5 dan Sol masing-masing 19.

Dari segi biaya, total biaya Qwen3.8-Max sekitar 821 dolar AS, sekitar setengah dari Opus 5 dan Sol, tetapi lima kali lipat dari DeepSeek V4 Flash.

Sumber:Tampilkan versi asli
Penafian: Informasi pada halaman ini mungkin telah diperoleh dari pihak ketiga dan tidak mencerminkan pandangan atau opini KuCoin. Konten ini disediakan hanya untuk tujuan informasi umum, tanpa representasi atau jaminan apa pun, dan tidak dapat ditafsirkan sebagai saran keuangan atau investasi. KuCoin tidak bertanggung jawab terhadap segala kesalahan atau kelalaian, atau hasil apa pun yang keluar dari penggunaan informasi ini. Berinvestasi di aset digital dapat berisiko. Harap mengevaluasi risiko produk dan toleransi risiko Anda secara cermat berdasarkan situasi keuangan Anda sendiri. Untuk informasi lebih lanjut, silakan lihat Ketentuan Penggunaan dan Pengungkapan Risiko.