实测 105 个隐藏 bug:DeepSeek V4.1 Flash 修复 24 个,成本仅 Opus 1/28
AlexSed90 · x · 2026-09-10
博主 PawelHuryn 在 2 个真实代码仓库上做了找 bug 修复实测,共埋入 105 个隐藏 bug,对比多款旗舰模型:
- Opus 5 (max):修复 27 个,成本 $51.33
- Grok 4.6 (max):修复 27 个,成本 $16.96
- DeepSeek V4.1 Flash (max):修复 24 个,成本仅 $1.80
- GPT-5.6 Luna (xhigh):修复 23 个,成本 $2.50
- Opus 5 (high):修复 21 个,成本 $38
结论:DeepSeek V4.1 Flash 修复数量接近顶级旗舰,但成本只有 Opus 5 max 的约 1/28,非常适合日常任务。
所属事件:Bug Hunt Bench 发布:105 个真实 bug 横评前沿模型(13 条相关)→
「模型」频道最新
- 用户实测 GrokBot:订机票、网购全被拦,几乎办不成事 — lucasmeijer · 2026-10-26
- 售卖机基准新观察：Sol 5.6 被指最激进、最常违约 — xuanalogue · 2026-10-26
- 爆料称 Fable 5.5 每周将发，博主泼冷水：本月无前沿新模型 — patience_cave · 2026-10-26
- 实测 abliterated 去审查模型翻车:模型反而关心起我的心理健康 — ryunuck · 2026-10-26
- OpenAI Decisions API 升级：单次可处理 400 个问题并新增语音与图像能力 — OpenAIDevs · 2026-10-26
- 中国首个前沿AI安全独立评测实验室「方寸跃迁」成立并首发DeepSeek评测 — JacquesThibs · 2026-10-26