Artificial Analysis 网络安全指数：腾讯 Hy4 得 58 分排第 3，在 CWE-Bench-AA 漏洞修复测试中以 76% 登顶，每题成本 0.92 美元

核心背景与行业痛点

编程智能体越来越多被用来做代码审计，但通用榜单很难说明一个模型能不能真的找到并修好漏洞。Artificial Analysis（AA）因此推出独立于智能指数之外的网络安全指数 Cyber Index，只测防守：发现漏洞、复现验证、打补丁且不破坏原有功能，不要求模型写可用的攻击代码。腾讯 11 月 4 日发布 Hy4 正式版，AA 此前已给出它在智能指数上的成绩，这次补上网络安全维度。

架构亮点与底层机制

Cyber Index 由三项测试等权平均：CWE-Bench-AA（基于 Collinear AI 的 CWE-bench）、DeepsecBench-AA（基于 Vercel 的 DeepsecBench）和 CyberGym-E2E-AA（基于伯克利 RDI 的 CyberGym-E2E）。其中 CWE-Bench-AA 有 120 道私有题，覆盖 OWASP Top 10（2025）全部十类，涉及 C/C++、Go、Java、JS/TS、Python 和 Rust。题目只说明可疑区域、不给具体位置，模型在断网沙箱里用 AA 开源的 Stirrup 智能体框架作答，每题限时 2 小时；只有程序化检查确认漏洞无法再触发、正常功能仍可用才算通过，没有部分分。

权威 Benchmark 与实测跑分对比

以下均为 AA 独立评测口径。Hy4 的 Cyber Index 为 58，排第 3，前面是仅限受信任访问的 GPT-6 Sol（Daybreak Blue，max）69 和 Kimi K3.1 Pro 64，后面是 DeepSeek V4.1 Flash 1017（max）57。CWE-Bench-AA 上 Hy4 以 76% 排第 1，DeepSeek 69%、Grok 4.7（xhigh）68%。每题平均成本 0.92 美元、输出约 6.4 万 token。注意 AA 的分数与 Collinear 官网 cwe-bench.com 的榜单不能直接比较：后者用各家自带的智能体产品、每题跑 4 次并有部分分。

开发者实战落地与开箱指南

Hy4 已上线腾讯云和 OpenRouter（模型名 tencent/hy4，1M 上下文）。想用它做依赖或代码库安全扫描，可以先在 OpenRouter 上调用，配合 Claude Code、Cline 等支持自定义模型的工具。腾讯称正式版权重会开源，目前 Hugging Face 上可下载的是 Apache 2.0 的 Hy4-preview。评测只说明模型能力，生产环境里的补丁仍需人工审查和回归测试。