据动察 Beating 监测，安全公司 Aikido 用代码审计 Agent 测试了 7 款模型，包括 Qwen3.8-Max、Claude Opus 5、Kimi K3 Max、DeepSeek V4 Flash，以及 GPT-5.6 Sol、Luna 和 Terra。测试包含 32 个近期公开漏洞，每款模型运行 3 次。 Qwen3.8-Max 三轮合计找到 26 个漏洞，召回率达到 81.3%，与 Opus 5 并列第一。它的 F1 综合分（兼顾漏报和误报）为 83.2%，略低于 Opus 5、Kimi K3 Max 和 GPT-5.6 Sol。 千问的问题是单次发挥不稳定。26 个漏洞中，只有 10 个连续三轮都能找到，Opus 5 和 Sol 都有 19 个。不过，千问总成本约 821 美元，只有 Opus 5 和 Sol 的一半，但仍是 DeepSeek V4 Flash 的 5 倍。