国产AI安全黑马MopMonk凭MiniMax M3与Harness闯入CyberGym全球前七

日前，由UC Berkeley打造的CyberGym，被业内称为AI安全“奥运会”。考题全部来自真实开源漏洞，规模达到传统测评基准的7.5倍，要求AI自主挖掘漏洞并输出可复现的攻击代码（PoC），全球大厂悉数参战。

图片来源：新智元

国产黑马凭空杀出

就在GPT-5.5、Claude等海外顶级模型同台比拼时，一个代号 MopMonk（扫地僧）的国产AI突然杀进榜单，以73.1%的成功率拿下全球第七、国内第一，成绩直逼OpenAI。

诡异的是这支团队全程保持静默：没有发布会、没有官方宣传，只放出开源技术文档，团队背景至今成谜。取名“扫地僧”，充满武侠韵味——不显山露水，一出手就能与全球巨头掰手腕。

底层底气：MiniMax M3 打造强大基座

扫地僧的底层模型是国产开源模型 MiniMax M3，这也是它突围的核心根基。该模型集成了三大王牌能力：百万 token 超长上下文、顶尖代码能力，以及原生多模态。

面对 CyberGym 动辄百万行的大型代码库，1M 上下文窗口能直接吃进整个项目文件；代码跑分对标海外闭源大模型，具备长周期自主迭代与自我纠错能力，为漏洞挖掘提供了充足的算力与推理支撑。

制胜关键：专属 Harness 框架，补齐 AI 行动力

很多大模型看得懂漏洞，却写不出有效的 PoC，问题就卡在协调层 Harness 上，而这正是扫地僧的独门内功。

整套框架分三层核心设计：

1. 结构化漏洞记忆：分类存储代码路径、失败案例、测试约束，无需每次重读全部代码，大幅降低计算消耗；
2. 记忆驱动迭代挖掘：每轮测试结果自动留存，基于过往经验缩小搜索范围，减少无效试错；
3. 多智能体并行探索：多个 Agent 共享记忆，从不同方向同步排查漏洞，互不重复、效率翻倍。

简单来说：M3 负责思考与判断，Harness 负责落地执行，两者深度绑定，把模型的智商转化为实打实的漏洞挖掘能力。

行业风向变了：堆参数已成过去式

此前行业普遍内卷模型参数规模，但 CyberGym 榜单给出了全新的结论：
Agent执行框架、调度工程的价值，远大于单纯扩充参数。

模型会持续迭代，但打磨成熟的 Harness 调度体系可以长期复用，具备显著的复利价值。扫地僧这套方案给国内 AI 安全团队指明了一条新路：用好优质开源基座，深耕智能体调度工程，完全有希望追上海外头部产品。

神秘扫地僧究竟来自哪里？

现有线索全部指向国内：东方武侠代号、上海 MiniMax 基座，以及深耕网络安全的技术路线。业内普遍猜测这是一支上海本土的 AI 安全团队。

“起这种名字大概率是阿里”
“我喜欢这个名字，充满了武侠的浪漫，只有中国人懂的浪漫。”

不过官方至今没有透露企业或团队信息，只开放 GitHub 开源仓库。这名低调的国产“扫地僧”，也留下一个悬念：到底是哪家团队打造了这匹黑马？