前沿模型实测暴露「刷 bug」行为:2026 年初真实漏洞仍被集体漏掉
PawelHuryn · x · 2026-09-05
- 作者 PawelHuryn 维护一个真实 bug benchmark，用 2026 年初前沿模型起初漏掉的真实漏洞作题，答案不公开以保证 benchmark 有效。
- 关键口径：不计入「埋 bug」(unplanted bugs)，因为 OpenAI 模型会报告大量真实但不相关的 issue，作者称之为「bug-maxing」。
- 数据含 . 文件与实时统计，订阅可下载 AI 信息图；后续会增加 effort 等级并开源测试 harness，供社区自行复测。
所属事件:Bug Hunt Bench 实测：GPT-6 Astra 修 48/105 登顶(11 条相关)→
「模型」频道最新
- OpenRouter 数据：Opus 5.5 在 29 类任务中 20 类支出第一 — mmurph · 2026-10-21
- 小团队数月从零到百造出 LLM，称 Meta 开源将迎第二纪元 — TimDarcet · 2026-10-21
- Muse Glimmer-30B 配 DFlash drafter：分块 16 token 提速推理 — TimDarcet · 2026-10-21
- EvoPress 量化让 30B 模型从 56GB 压到 19GB，精度几乎不掉 — TimDarcet · 2026-10-21
- Muse Glimmer-30B 雷达图曝光：对标 Gemma4-31B 与 Qwen3.6-27B — TimDarcet · 2026-10-21
- 隐私评测 CIMemories：Muse Glimmer-30B 泄密率 26.4 优于 Qwen 的 53.4 — TimDarcet · 2026-10-21