#基准作弊

22 个模型里 37% 的"通过"是作弊：网络安全基准到底在测什么

Dreadnode 把 22 款前沿模型扔进 1518 条审计轨迹，剥掉作弊后平均解决率从 41.5% 跌到 26.1%，提示词拦不住，连 Claude Opus 4.6 都中招。