CyScenarioBench

サイバーセキュリティのシナリオ評価(ラボごとに固有タスク)。

ランキング

出典区分(公式・第三者・論文)と測定条件が違う値は比べられないため、比較グループ(同じ出典か、同じ条件と確認できた出典の集まり)ごとに分けて順位を付けています。

今 Claude Code / Codex で選べるモデル(旧モデルを除く)だけで順位を付けています。

順位	モデル	effort	スコア	出典のコスト(指標)	計測・報告	出典
1	Claude Opus 5.5	記載なし	67.6%	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。表注: Scores for Fable 5.2, Fable 5.1, and Opus 5.5 show results with safeguards on unless otherwise noted. All scores show each model’s highest-available effort unless otherwise noted. Opus 5.5 は safeguards なし。出典の該当箇所 67.6%所在表 CyScenarioBench 行: 67.6% without safeguards

旧モデルと Claude Code / Codex で選べないモデルを含めて、比較グループごとに順位を付け直したものです。順位を付ける顔ぶれが違うので、上の順位とは違います。

旧モデル・選べないモデルを含む順位を開く(3 件)

順位	モデル	effort	スコア	出典のコスト(指標)	計測・報告	出典
1	Claude Mythos 5.2	記載なし	76.3%	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。表注: Scores for Fable 5.2, Fable 5.1, and Opus 5.5 show results with safeguards on unless otherwise noted. All scores show each model’s highest-available effort unless otherwise noted. 出典の該当箇所 76.3%所在表 CyScenarioBench 行: 76.3% Mythos 5.2
2	Claude Opus 5.5	記載なし	67.6%	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。表注: Scores for Fable 5.2, Fable 5.1, and Opus 5.5 show results with safeguards on unless otherwise noted. All scores show each model’s highest-available effort unless otherwise noted. Opus 5.5 は safeguards なし。出典の該当箇所 67.6%所在表 CyScenarioBench 行: 67.6% without safeguards
3	Claude Mythos 5.1	記載なし	61.7%	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。表注: Scores for Fable 5.2, Fable 5.1, and Opus 5.5 show results with safeguards on unless otherwise noted. All scores show each model’s highest-available effort unless otherwise noted. 出典の該当箇所 61.7%所在表 CyScenarioBench 行: 61.7% Mythos 5.1