最佳資安 LLM（2026年10月）

在警報分流方面，目前已發表的最強小型模型結果屬於 Qwen3.5 9B，這是一款資安團隊可在自身環境內執行的開放權重模型。在 Alert-Bench 論文（arXiv 2610.10608，2026年10月）中，作者透過一套實際運作的 SIEM 重播企業遙測資料，並在其 AIDA 分流協定下執行每個模型。在同一組 300 則警報的子集上，Qwen3.5 9B 與作為參照的 GPT-4.1 取得相同的 F1 分數 0.952，精確率 0.980，召回率 0.926。該測試中其他開放模型的分數介於 0.098 到 0.777 之間，可見評測框架與模型選擇都很重要。此結果由作者測得；模型以發布時的版本使用，未以任何分流資料進行訓練。

偵測工程是將威脅報告轉化為可用的偵測規則，而 CTI-REALM 正是為此打造的基準。Microsoft 的論文（arXiv 2603.13517，2026年3月）測試了 16 種模型配置，全部來自 Anthropic 與 OpenAI。高推理強度下的 Claude Opus 4.6 取得最高獎勵分數 0.637，領先 Opus 4.5 的 0.624 與 Sonnet 4.5 的 0.587。OpenAI 的最佳結果是中等推理強度下的 GPT-5，為 0.572。Microsoft 在同一環境中測量了所有模型。截至2026年10月，尚無開放模型發表 CTI-REALM 分數，因此這項推薦是目前測得的最佳結果，暫時還沒有可供比較的開放模型。

Z.ai 的 GLM-5.3 背後同時有政府實驗室與資安公司的獨立資安測試。美國 Center for AI Standards and Innovation（CAISI）稱其為迄今發布的資安能力最強的開放權重模型，並估計在其自有的資安評估中，它落後美國前沿水準約四個月（NIST，2026年9月17日）。在 CyberGym 上，Proximal 將它與封閉模型放在同一評測框架中執行，在該基準的修正版本上測得 93.5%（2026年9月30日）。其前代 GLM-5.2 正是 Hugging Face 在2026年7月的資安事件中，於託管 API 封鎖相關工作後，在自有基礎設施上用於鑑識分析的模型。

在重現已知漏洞方面，Kimi K3 在 Proximal 的同框架 CyberGym 執行中取得最高分（2026年9月30日）。Proximal 發現原始評分器誤判了部分任務，從 1,507 項中移除 227 項，並對四個模型重新評分：Kimi K3 提升 13.7 個百分點，從 81.9% 升至 95.6%；相較之下，GLM-5.3 為 93.5%，GPT-5.6 Sol 為 91.1%，Claude Fable 5.1（以 Opus 5 作為備援）為 87.8%。Proximal 透過資安存取計畫關閉封閉模型的標準資安護欄後再執行，因此這項比較衡量的是排除拒答因素後的能力。Proximal 也認為 CyberGym 已大致飽和，因此應將這項結果解讀為開放權重模型在此任務上正在追趕，具體名次不必過度看重。

對於搶旗賽（CTF）類型的資安工作，官方 Cybench 排行榜列出 Claude Opus 4.7 的成績為 96%，資料取自 Anthropic 自己的系統卡，涵蓋該基準 40 項任務中的 35 項。Claude Mythos Preview 在同樣的 35 項任務上以 100% 位居榜首，屬於預覽模型；Opus 4.7 則以已發布模型的身分入選本榜。排行榜上最新的開放模型資料來自 2024 年，因此這是一項強勁的封閉模型結果，但沒有同框架的開放模型可供比較。開放模型的 Cybench 分數只以發布文章中的數字形式流傳，本榜單不予收錄。

對於在一般硬體上處理威脅情報問題，Cisco 的 Foundation-Sec-8B-Reasoning 是一款以 8B 基礎模型打造的資安專用模型。根據 Cisco 自己的模型卡（2026年1月28日發布），它在 CTIBench 的 CTI-MCQA 上得分 0.691，GPT-5-Nano 為 0.688；在 CVE 對應 CWE 的映射上得分 0.753，對比 0.672。這使它在知識類基準上與一款小型封閉模型旗鼓相當。它適合資料必須留在內部的結構化、大量問題，較不適合開放式調查。