Bug实测：GPT-5.6修复22个bug领先Claude Opus 5

在针对代码修复能力的Bug Hunt Bench实测中，测试者在约2.8万行的VS Code扩展仓库中隐藏了45个可通过测试的bug。结果显示，GPT-5.6 Sol成功修复22个bug表现最佳，而Claude Opus 5修复了约11至12个，且识别出了旧版本漏掉的问题，Opus 4.8仅修复2个。

2026-07-25 ~ 2026-07-25 · 3 条相关

事件全程(共 3 集)→

• 第 1 集:Opus 5 编码测试反转：推理越强分数反而下滑(2026-07-24,13 条)
• 第 2 集:Claude Opus 5被曝概率推理过程反复摇摆(2026-07-25,3 条)
• 第 3 集:Bug实测：GPT-5.6修复22个bug领先Claude Opus 5(2026-07-25,3 条)

• Bug Hunt Bench 实测：GPT-5.6 Sol 修复 22 个 bug，Opus 5 修复 12 个 — PawelHuryn · 2026-07-25
• Claude Opus 5 在同仓库修出 11 个 bug，Opus 4.8 只修 2 个 — PawelHuryn · 2026-07-25
• Claude Opus 5 在代码任务中识别出旧版漏掉的问题 — PawelHuryn · 2026-07-25