105 个隐藏 bug 实测各模型找错能力

开发者 PawelHuryn 在 Antigravity CLI 上用 2 个真实代码仓库、共 105 个隐藏 bug，对多个大模型的 agent 找 bug 能力进行实测。结果显示 Fable 5.1 找出 43 个表现最佳，但没有模型能全部找出；Gemini 3.8 Flash 花 9.78 美元修复 20 个 bug，相比之前进步明显。

2026-09-03 ~ 2026-09-03 · 2 条相关