Modelo XekRung da Alibaba atinge lideranca no benchmark CyberGym

O modelo de linguagem focado em cibersegurança XekRung, desenvolvido pela Alibaba, alcançou o primeiro lugar na tabela de classificação de modelos do CyberGym. Em uma submissão registrada em 13 de setembro, a versão XekRung-1.5-27B-Preview obteve uma taxa de sucesso de 88,9%. A informação foi veiculada pela imprensa de tecnologia chinesa em 28 de setembro, destacando que esta é a primeira vez que um modelo de um desenvolvedor da China lidera o ranking do teste mantido por pesquisadores da UC Berkeley.

O CyberGym é um benchmark voltado para a reprodução de vulnerabilidades e reúne 1.507 falhas reais provenientes de 188 projetos de código aberto descobertos pelo programa OSS-Fuzz, do Google. No Nível 1 do teste, o modelo recebe a descrição do problema e o código não corrigido; em seguida, precisa gerar uma entrada de prova de conceito (PoC) que acione a falha na versão vulnerável, sem afetar a versão com a correção aplicada.

Desempenho e comparação com concorrentes

Na divisão reservada a modelos individuais — que se separa dos sistemas de agentes compostos por múltiplos modelos, ferramentas ou memória —, o XekRung registrou pontuação superior à de outros concorrentes da indústria. O sistema da Alibaba superou o Gemini 3.8 Flash Cyber da Google (86,3%), o GPT-5.5-Cyber da OpenAI (85,6%), o GLM-5.3 da Zhipu AI (84,5%) e o DeepSeek-V4-Pro (83,3%).

Os mantenedores do benchmark ressaltam que as pontuações são enviadas pelas próprias equipes, que as execuções possuem caráter estocástico e que pequenas diferenças de pontuação podem não significar grandes distinções de capacidade. Segundo o relatório técnico da equipe do Alibaba Security AGI Lab, liderado por Huang Longtao, o modelo base aberto Qwen3.8-27B marcava 54,51% na mesma configuração, indicando que a etapa de pós-treinamento acrescentou 34,39 pontos percentuais ao desempenho.

Metodologia de treinamento e disponibilidade

A equipe do laboratório atribui a evolução ao ajuste fino supervisionado feito com trajetórias desidentificadas das operações de segurança da própria Alibaba, além de aprendizado por reforço agêntico em um arcabouço de ferramentas gerais. O treinamento utilizou recompensas baseadas em compilações, falhas e validação de PoCs, além do reuso de tentativas incorretas como pares de correção. A empresa afirma que nenhuma tarefa, correção ou PoC do CyberGym foi usada no treinamento.

A avaliação foi executada em infraestrutura própria com inferência em FP8 e janela de contexto de 256K tokens, sem frameworks de fuzzing pré-instalados e com acesso de rede restrito à lista permitida pelo benchmark. A Alibaba afirma que a escala do modelo de 27 bilhões de parâmetros é entre 1/27 e 1/370 do tamanho de modelos cibernéticos equivalentes, o que reduziria custos de computação na triagem automatizada de vulnerabilidades.

Apesar dos resultados divulgados, os pesos do XekRung não foram liberados e a Alibaba não forneceu um cronograma para acesso externo. Huang Longtao declarou que as tecnologias de segurança do laboratório serão oferecidas de forma mais ampla no futuro e que próximas versões focarão em inteligência adversarial, autoevolução e tarefas agênticas. Os desenvolvimentos ocorrem em um cenário no qual agentes de IA ampliam trabalho de código, mas humanos ainda decidem a validação das etapas finais.