Bug Hunt Bench 实测：Muse Spark 1.3 追平 Fable 5.1 登顶
开发者 Pawel Huryn 发布并持续更新自建基准 Bug Hunt Bench：在两个生产级代码库中预埋 105 个真实 bug，让各前沿编码模型以 agentic 方式找出并修复，用原始 API 实测打分。9 月 13 日他用该 harness 实测 Meta 新模型 Muse Spark 1.3，结果显示其 max 档与 Fable 5.1（high）并列 33 分居首，他认为 Meta 已杀入前沿编码第一梯队。
已确认
- 基准设置：两个真实仓库、105 个预埋 bug，覆盖 GPT-6、Claude、Grok、Gemini、DeepSeek、Kimi、GLM 等前沿模型
- 最新排位：Muse Spark 1.3（max）33 分，Fable 5.1（high）33 分，并列第一；Grok 4.6（xhigh）紧随其后
- 档位实测：Muse Spark 1.3 的 xhigh 档得 20 分，比 high 档贵 50%、慢 13%，仅多解一个 bug；作者认为从 high 升到 max 才是提升最大的跃迁
- medium 档位列 9/105；作者建议实际使用时选 high 或更高推理档位
为什么重要
- 该基准用真实仓库 bug 而非合成题，贴近实际工程中的调试修复场景，为模型选型提供了差异化参考
- Muse Spark 1.3 并列登顶意味着 Meta 在编码能力上逼近或达到第一梯队
- 档位成本收益数据（xhigh 的边际收益低、high→max 收益高）对控制推理成本有直接参考价值
2026-09-13 ~ 2026-09-14 · 6 条相关
一手来源
- 实测 Muse Spark 1.3 与 Fable 5.1 并列第一,Meta 杀入前沿 — PawelHuryn ·
- 实测 Muse Spark 1.3：xhigh 档贵 50% 慢 13%，只多解一个 bug — PawelHuryn ·
- Bug Hunt Bench:105 个真实 bug 实测 GPT-6、Claude 等前沿模型排位 — PawelHuryn ·
- 【源头】实测 Muse Spark 1.3 与 Fable 5.1 并列第一,Meta 杀入前沿 — PawelHuryn · 2026-09-13
- 实测 105 个真实 bug:Muse Spark 1.3 并列登顶,Meta 逼近前沿 — PawelHuryn · 2026-09-13
- 【源头】实测 Muse Spark 1.3：xhigh 档贵 50% 慢 13%，只多解一个 bug — PawelHuryn · 2026-09-13
- 【源头】Bug Hunt Bench:105 个真实 bug 实测 GPT-6、Claude 等前沿模型排位 — PawelHuryn · 2026-09-13
- Muse Spark 1.3 medium 排名 9/105，作者建议用 high+ 档 — PawelHuryn · 2026-09-13
另有 1 条近重复转述:PawelHuryn