# Collinear AI abre o CWE-bench v2, com 100 tarefas de segurança

- Publicada: 2026-11-03T00:00:00.000Z
- Atualizada: 2026-11-04T10:05:49.938Z
- Editoria: Modelos
- Assuntos: Pesquisa, Segurança, Código
- Página: https://aidailyjournal.com/pt/n/2026/11/02/collinear-ai-opens-cwe-bench-v2-with-100-security-tasks/
- Fontes: [Hugging Face](https://huggingface.co/blog/cwe-bench)

## Resumo

A Collinear AI abriu ao público o CWE-bench v2, um benchmark com 100 tarefas baseadas em repositórios open source reais. Os agentes precisam encontrar e corrigir uma vulnerabilidade sem quebrar a funcionalidade existente; a avaliação é programática, determinística e cobre 91 categorias de fraquezas (CWEs). O conjunto público, o avaliador e o ambiente de execução são abertos, embora o dataset exija aceitação de condições de acesso no Hugging Face.

Nos resultados divulgados pela Collinear AI, Gemini 4 Argon lidera entre 11 modelos, com 67,8% em pass@1 e 81,0% em pass@4, à frente de Claude Opus 5.5. Ao menos um modelo resolveu 95 tarefas, mas o líder falha em 19% do conjunto em todas as tentativas. DeepSeek V4.1 Flash (1017) alcança 57,0% em pass@1 a US$ 0,04 por execução; Claude Opus 5.5 chega a dez pontos adicionais a US$ 1,83, e Gemini 4 Argon avança ligeiramente a US$ 3,92.

## Por que importa (interpretação editorial)

O benchmark público cria uma referência reproduzível para comparar agentes que corrigem vulnerabilidades sem quebrar o código existente. Os resultados reportados pela Collinear AI também destacam um trade-off entre desempenho e custo: até o líder falha em 19% das tarefas a cada tentativa, enquanto modelos mais baratos ficam atrás.

_Resumo escrito pelo AI Daily Journal a partir das fontes acima, com palavras próprias. Para detalhes, leia as matérias originais._