Bug Hunt Bench 实测：Fable 5.2 修 58/105 漏洞居首

Pawel Huryn 发布 Bug Hunt Bench 基准，用两个真实仓库、105 个真实漏洞对前沿编码模型做盲测（答案密钥保密）。结果显示 Fable 5.2 (max) 以修复 58/105 个 bug 位居榜首，但在 300 多轮运行中它修过的 bug 仅 1 个是此前未被修过的新发现；完整排行榜还显示 DeepSeek V4.1 Flash 在每美元修复性价比上大幅领先。

2026-11-10 ~ 2026-11-10 · 3 条相关