105 个真实 bug 实测：Mistral Large 4 编程能力垫底主流模型

开发者 Pawel Huryn 用自建的 Bug Hunt Bench——在两个真实仓库中植入 105 个 bug，采用盲评、每个仓库仅一次提示的设置——实测 Mistral Large 4 的找 bug 与修复能力。结果显示 Mistral Large 4 成绩垫底，落后于主要竞争对手，包括 Qwen 3.8 Max 与 DeepSeek 等前沿编程模型，反映出其在前沿编程模型竞争中处于明显弱势。

2026-10-07 ~ 2026-10-07 · 2 条相关