GPT-6.2 Astra 迎来首份实质独立基准测试结果,它在 Bug Hunt Bench 评测中拿到 62.7 分,直接登顶榜单,本次整套测试的成本为 28.35 美元。这份独立测试数据和之前厂商放出的内部测试不一样,是第三方独立团队完成的实测结果,重点考察模型查找、定位代码漏洞的能力,分数也直观体现出它在代码漏洞挖掘任务上的表现已经超过同基准里其他参赛模型,低成本也是这次测试里很受关注的亮点。
登顶原因
- 漏洞推理能力优化:GPT-6.2 Astra 针对代码审计、漏洞复现、漏洞描述链路做了专项优化,能读懂复杂项目代码逻辑,区分正常代码和存在缺陷的代码片段。
- 提示词与输出格式适配:测试团队使用适配 Bug Hunt Bench 标准的评测 prompt,模型输出可以匹配基准要求的漏洞报告格式,减少格式扣分。
- 调用开销可控:模型在完成整套 Bug Hunt Bench 题库推理时,token 消耗控制较好,最终核算下来总成本仅 28.35 美元,兼顾性能与成本。
- 基准题库特点:Bug Hunt Bench 包含多语言代码漏洞样例,覆盖常见安全漏洞类型,偏向真实开发场景里的漏洞搜寻任务。
基准测试执行步骤
- 加载 Bug Hunt Bench 官方评测数据集,数据集包含带漏洞的代码片段、验证用例、评分标准。
- 配置 GPT-6.2 Astra 调用参数,使用统一评测提示词,不做额外针对性调优。
- 批量送入代码样本,让模型输出漏洞位置、漏洞类型、修复建议。
- 按照 Bug Hunt Bench 统一打分规则自动核验结果,统计正确识别数量,换算最终得分。
- 统计本次测试全部 token 消耗,结合模型定价,计算得出本次测试总成本 28.35 美元。
后续结论
这份是 GPT-6.2 Astra 首份独立第三方 Bug Hunt Bench 基准成绩,62.7 分暂时位列该基准榜首,但单一项基准成绩不能代表模型在所有安全审计场景都稳定好用。该测试是固定题库下的标准化评测,真实业务代码场景、私有项目漏洞挖掘效果会存在浮动,后续还需要更多不同机构复现测试验证结果。
【常见问题】
问题 1:GPT-6.2 Astra 在 Bug Hunt Bench 拿到 62.7 分,这个分数属于什么水平?
回答 1:GPT-6.2 Astra 在 Bug Hunt Bench 拿到 62.7 分登顶,在这份独立基准里属于目前测出的最高一档成绩,代表它在这套题库里查找代码漏洞的能力优于同期参与测试的其他大模型。
问题 2:GPT-6.2 Astra 跑 Bug Hunt Bench 成本 28.35 美元,这个成本高不高?
回答 2:GPT-6.2 Astra 跑完整套 Bug Hunt Bench 测试成本 28.35 美元,对比同级别主打代码安全的大模型评测开销来看属于偏低水平,也是这次基准测试里的一大亮点。
问题 3:GPT-6.2 Astra Bug Hunt Bench 成绩好,是不是可以直接替代人工安全审计?
回答 3:GPT-6.2 Astra Bug Hunt Bench 的高分只是标准化题库结果,真实业务代码环境更复杂,它适合作为漏洞筛查辅助工具,暂时还无法完全替代专业安全人员审计。
问题 4:Bug Hunt Bench 基准专门用来测 GPT-6.2 Astra 这类模型的什么能力?
回答 4:Bug Hunt Bench 是面向代码漏洞挖掘的评测基准,专门用来衡量 GPT-6.2 Astra 这类大模型识别、定位、描述程序漏洞的能力。
【参考资料】
[2026-11-18](GPT-6.2 Astra 独立基准:Bug Hunt Bench 62.7 分登顶,测试成本 28.35 美元)AI 评测媒体
[2026-11-17](Bug Hunt Bench 基准介绍与历史模型成绩汇总)安全技术社区
【免责声明】
本文为第三方独立基准测试信息整理,GPT-6.2 Astra 在 Bug Hunt Bench 的得分与测试成本仅针对本次固定评测环境;模型漏洞检测效果受代码场景、提示词、版本迭代影响,不构成安全工具选型依据,不建议直接用于生产环境高危系统漏洞核查。
