# 伯克利团队造了个作弊 AI，不调用任何大模型就攻破了 8 个主流智能体评测基准，得分 73% 到 100%

> 原标题：伯克利大学的研究团队造了一个专门作弊的 AI，用它去攻击目前最主流的 8 个 AI 智能体评测基准，结果每一个都被攻破了。没有解决任何任务，没有调用任何大模型，拿到了接近满分的成绩。

- 来源：X · @dotey（宝玉）
- 发布时间：2026-04-12T05:46:11.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/3566
- 原文：https://x.com/dotey/status/2043204009469641005

## 摘要

伯克利大学一帮人写了个专门钻空子的 AI，拿去打 SWE-bench、WebArena、Terminal-Bench、OSWorld 等 8 个主流智能体评测榜，全打穿了。这个作弊 AI 一次大模型都没调用，一个任务也没真做，靠的全是找评测程序本身的漏洞。

## 推荐理由

伯克利团队用一个不调用大模型、不实际完成任务的作弊程序，攻破了 SWE-bench、WebArena 等 8 个主流智能体评测基准，得分 73% 到 100%，直接暴露评测程序自身的漏洞。

## 锐评

8 个 benchmark 全被打穿，一次大模型都没调，最难受的是那些拿榜单分数当卖点的团队。73% 到 100% 的分数来自评测程序自己的漏洞，这些榜的分数本来就不该被当成能力证明。我平时看 agent 榜单只当参考，现在连参考都得掂量。论文状态和复现结果都还没出来，方向已经够清楚，评测方该把精力花在防作弊上，不然以后谁分高都得先问一句是不是钻了空子。
