模型能力 开放范围及首发定价
两周前的模型升级与产品入口
申请条件 防守用途与访问治理
综合 编程 知识工作与任务成本对比
各项能力 速度 价格和上下文信息
九项评测 版本规则与统计口径
完整代理系统的任务设置与评分
真实软件中的安全漏洞发现任务
验证真实漏洞可利用性的测试环境
安全补丁的任务与评估方式
第三方内容怎样诱导代理偏离用户目标
安全 功能 变种攻击与代码完整性的检查
任务子集 代理环境与计分规则