ExploitGym
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: percentageSecurity
दर्ज परिणाम
2
औसत स्कोर
35.05%
स्कोर सीमा
15.30% - 54.80%
अग्रणी मॉडल
54.80% - Gemini 4 Carbon
समय के साथ स्कोर
तारीख के अनुसार दिखाए गए अलग-अलग बेंचमार्क स्कोर।
मॉडल परिणाम
| संगठन | मॉडल | रिपोर्ट किया गया | सबसे ऊँचा स्कोर | जानकारी | स्व-रिपोर्ट किया गया | स्रोत |
|---|---|---|---|---|---|---|
| Gemini 4 Carbon | 28 अक्टू॰ 2026 | 54.80% | Google-reported launch evaluation; Evaluated without guardrails; source chart: https://storage.googleapis.com/gweb-uniblog-publish-prod/images/gemini_4_carbon__evals-table.original.png; methodology: deepmind.google/models/evals-methodology/gemini-4-carbon | हाँ | स्रोत | |
| DeepSeek V4.1 Flash | 10 सित॰ 2026 | 15.30% | Instruct model; reasoning_effort=100; Pass@1 | हाँ | स्रोत |
