Fireworks 实测：DeepSeek V4 Pro 在 840 项安全任务中零拒绝
Fireworks AI 用 CyberGym 安全基准测试了 DeepSeek V4 Pro、Kimi K3、GPT-5.5 和 Claude Opus 4.8。CyberGym 由 UC Berkeley 基于 188 个开源项目的 1507 个真实漏洞构建，要求 Agent 定位漏洞、构造能触发漏洞的输入并完成修复，按实际执行结果判分，平均每个任务约 89 轮、25 分钟。DeepSeek V4 Pro 在 840 个主任务上全部产生原生工具调用，没有拒绝，也没有输出截断，每成功解决一个任务的成本是测试中最高…
推荐理由做安全 Agent 选型可参考：开源模型零拒绝、单任务成本减半，闭源模型可能直接拦截任务