MopMonk Agent闯入OpenAI、Anthropic安全榜单，疑为中国团队

近日，一个名为 MopMonk Agent 的新面孔，突然出现在 CyberGym 榜单上。

MopMonk Agent 在 CyberGym Level 1 中取得 73.1% 成功率，排名第 7，基座模型为 MiniMax M3。

相比榜单上 OpenAI、Anthropic、微软等一线玩家，MopMonk 没有公开背景信息。

CyberGym 是 UC Berkeley 团队推出的网络安全 Agent 评测框架，核心不是让模型“判断哪里可能有漏洞”，而是要求 Agent 在给定漏洞描述和未修复代码库后，生成能够真实触发漏洞的 PoC 输入，并通过修复前、修复后两个版本验证结果。

这也是 CyberGym 难度所在。

CyberGym 覆盖 1507 个真实漏洞实例，来自 188 个大型软件项目。很多任务需要 Agent 跨越数千个文件、数百万行代码，理解漏洞线索、代码路径、输入格式，再根据执行反馈不断调整测试输入。

MopMonk Agent 的核心路线并不是单纯堆模型参数，而是“memory-centric Multi-Agent design”，也就是以结构化记忆为中心的多 Agent 设计。系统会持续整理代码观察、失败尝试、候选输入和验证反馈，将它们沉淀为可复用的漏洞记忆，避免每一轮探索都重新开始。

简单说，MopMonk Agent 试图解决的是漏洞挖掘中最消耗时间的问题「反复读代码、反复试错、反复撞同一堵墙」。

MopMonk Agent 会记录哪些路径走不通，哪些输入格式不成立，哪些候选 PoC 接近触发条件，下一轮尝试必须避开什么失败原因。

这套设计和 MiniMax M3 的组合，是这次成绩最值得关注的地方。

MopMonk 选择 MiniMax M3 是因为其长上下文、MoE 架构、稀疏注意力、代码能力和长周期 Agent 任务中的稳定性。

MiniMax M3 提供底座能力，MopMonk 的结构化记忆和多 Agent 探索机制，负责将这种能力转化为漏洞复现效率。

在 CyberGym 榜单上，MopMonk Agent 前面依次是 Crystalline、微软 MDASH、OpenAI Agent、Anthropic Agent 等系统。

MopMonk 的特殊之处在于，没有披露完整团队信息，却直接进入了高位区间。

这让 MopMonk 多了一层悬念。

“MopMonk”翻译为中文即为“扫地僧”，而且模型为 MiniMax M3，外界自然会猜测它是否来自中国团队，甚至是否与某个安全公司或 AI 团队有关。

但截至目前，公开页面只确认了代号、基座模型、技术路线和榜单成绩，没有给出更多组织身份信息。

CyberGym 真正拉高门槛的地方，是将 AI 安全评测放进真实代码库。Agent 不仅要理解漏洞，还要完成输入构造、运行验证和多轮修正。

MopMonk Agent 的出现，说明 AI 安全赛道可能正在形成第三条路线：

1）OpenAI、Anthropic 代表的强模型路线；

2）微软 MDASH 代表的系统工程路线；

3）更垂直的安全 Agent 路线。

如果说过去 AI 安全榜单主要看模型能力，这里 MopMonk 提供了另一个观察角度，真正能完成任务的系统，往往是模型、记忆、工具和验证流程共同作用的结果。

参考链接：

https://www.cybergym.io/cybergym/

https://github.com/MopMonkAI/MopMonkAgent

云头条声明：如以上内容有误或侵犯到你公司、机构、单位或个人权益，请联系我们说明理由，我们会配合，无条件删除处理。

查看原文 →