105个真实bug实测：GLM-5.3修19个，逊于Grok 4.7
PawelHuryn · x · 2026-08-26
作者在自建 bug hunt 基准上测试 GLM-5.3：2 个仓库、105 个真实 bug，GLM-5.3 修掉 19 个，而 Grok 4.7 修了 27 个，且速度慢一倍。另一发现是：16 个前沿模型中有 49/105 的 bug 从未被任何模型修复——一旦出现这种情况，这些 bug 就被默认「已解决」。作者还指出若只看成本，Grok 4.6 并不在 Pareto 前沿上，Luna (max) 以其价格来说是极强的 bug 猎手。实时基准与证据在 bughunt.productcompass.pm 公开。
所属事件:105 个真实 Bug 实测：GLM-5.3 落后 Grok 4.7(2 条相关)→
「模型」频道最新
- Peter Yang:Opus 5.5 很强,但仍难坚持己见扛住反驳 — petergyang · 2026-10-16
- 公司机器人部署弃用 VLA,改用 Opus 级 LLM 做高层推理 — ihorbeaver · 2026-10-16
- 马斯克转发用户实测：Grok 电脑操作速度超预期，免装 Codex — elonmusk · 2026-10-16
- PhoneLLM 双模型开源:专攻语音对话,延迟低至 100ms 内 — charles_irl · 2026-10-16
- Transluce 实践者反思：神经元自动解释一年后仍难解释复杂行为 — aryaman2020 · 2026-10-16
- Grok Bot 连跑 12 小时数据分析，被限流也会自己等重试 — Daniel_Farinax · 2026-10-16