CursorBench 3.2 榜单：Fable 5.1 Max 登顶，Grok 4.6 成本优势显著
mattyp · x · 2026-09-02
Cursor 发布了 CursorBench 3.2 评测结果，该基准基于真实 Cursor 会话中的多文件模糊任务评估 Agent 表现。
榜单亮点：
- Fable 5.1 Max 以 73.4 分位居榜首，但成本较高（$9.64/任务）。
- Grok 4.6 Extra High 表现亮眼，以 70.8 分排名第三，且极具成本优势（$2.84/任务）。
- GPT-5.6 Sol Max 排名第 11（67.2 分），Kimi K3 Max 排名第 28（60.8 分）。
- Gemini 3.7 Flash High 以低成本（$1.20/任务）获得 61.6 分。
数据涵盖了各模型的分数、每任务成本、Token 消耗量及操作步数。
所属事件:Cursor 发布 CursorBench 3.2，Fable 5.1 登顶 Grok 紧随(4 条相关)→
「模型」频道最新
- 「前沿模型 400 美元订阅不可能持久」,团队转向评测开源模型备胎 — ChrisRackauckas · 2026-10-18
- OpenAI 测试列表惊现 aurora 红/绿/蓝三个 alpha 模型检查点 — ChrisGPT · 2026-10-18
- 波兰开发者业余两周造决策模型,开源榜第一超众多商业产品 — lukaszkaiser · 2026-10-18
- DeepSeek V4.1 Flash 智能体分暴涨,长程任务提升但约束遵循下滑 — teortaxesTex · 2026-10-18
- 科学计算大佬实测：日常维护任务开源模型反超，但深挖代码缺陷仍靠 Opus — ChrisRackauckas · 2026-10-18
- DeepSeek V4.1 Flash 冲进 BuildingBench 前五,成本仅 Sonnet 的 1/15 — Lianhuiq · 2026-10-18