**展示HN：AgentToolBench-Code——AI编程代理的安全基准测试**

_Show HN: AgentToolBench-Code – security benchmark for AI coding agents_

> 作者发布了AI编程代理安全基准测试AgentToolBench-Code的v0.0.1版本，将场景从10个扩展到16个，覆盖真实CVE类别。测试发现，在扩展场景下，Claude Code Sonnet 4.6（+9/16）显著优于Haiku 4.5（+3/16），此前在10个场景下的平局是因场景不足导致的假象。差异主要体现在依赖安全、网络外传和凭据泄露等需要模式识别的场景上，而某些结构性失败（如恶意npm依赖）两个模型均无法处理。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-models
- **发布时间**：2026-05-26 11:45（北京时间）
- **原文**：[打开原文](https://gist.github.com/allenwu-blip/fa2bd0218b93a1d7aef765817e3c6608)