CursorBench 4.0 发布：难度提升各家得分下滑，Fable 5.1 Max 居首
Cursor 团队于 09-11 发布编码基准 CursorBench 4.0，新版本以真实 Cursor 会话中的模糊多文件任务评测模型，并新增考察指令遵循能力与长周期复杂项目处理的任务，整体难度显著提高，所有模型得分因此普遍下降。榜首 Fable 5.1 Max 得分 51.8%，但单任务成本高达 $17.28，成本与性能的权衡成为本轮讨论焦点。
已确认
- leerob 宣布 CursorBench 升级至 4.0，新增指令遵循与复杂长期项目任务，难度提升使各模型得分普遍下降；StringChaos 转述团队强调基准需作为「活的标准」持续更新，才能反映模型真实能力
- @EdwardSun0909 给出的榜单数据显示：Fable 5.1 Max 以 51.8% 居首，成本 $17.28/任务；Opus 5 Max 次之；Grok 4.7 即将参测
- claireszhou 转述的亮点数据：Muse Spark 1.3 在新榜单上性能追平 Sol，价格不到其四成；mattdeitke 对其表现给予积极评价，@infoxiao 转发的评测也显示其表现强劲且便宜
尚未确认
- eliebakouch 在转发中猜测 Gemini 3.8 的后训练方式可能与其他模型不同，这仅是个人推测，尚无佐证
为什么重要
- 团队称 4.0 版本设计为难以被针对性优化的基准，为编码模型提供了更贴近真实使用场景的横向对比
- Muse Spark 1.3 以显著更低成本追平头部模型性能，成为本轮榜单中性价比讨论的焦点
- Grok 4.7 即将参测，后续榜单格局或仍有变化
2026-09-11 ~ 2026-09-12 · 6 条相关
一手来源
- CursorBench 4.0 发布:任务更难更长程,各家模型得分集体下降 — StringChaos ·
- CursorBench 4.0 榜单:Fable 5.1 Max 居首 51.8%,Grok 4.7 将至 — EdwardSun0909 ·
- CursorBench 4.0 上线：Muse Spark 1.3 性能追平 Sol，价格不到四成 — jyangballin ·
- 【源头】CursorBench 4.0 发布:任务更难更长程,各家模型得分集体下降 — StringChaos · 2026-09-11
- muse spark 1.3 在 CursorBench 4 上表现强且便宜 — infoxiao · 2026-09-11
- 【源头】CursorBench 4.0 上线：Muse Spark 1.3 性能追平 Sol，价格不到四成 — jyangballin · 2026-09-11
- 【源头】CursorBench 4.0 榜单:Fable 5.1 Max 居首 51.8%,Grok 4.7 将至 — EdwardSun0909 · 2026-09-11
- Muse Spark 1.3 在全新 CursorBench 4.0 上表现亮眼 — jyangballin · 2026-09-11
- Cursor 推出 CursorBench 4.0,有人据此猜测 Gemini 3.8 后训练路线不同 — ivan_bezdomny · 2026-09-12