CursorBench 4.0 榜单:Fable 5.1 Max 居首 51.8%,Grok 4.7 将至
EdwardSun0909 · x · 2026-09-11
Cursor 更新 CursorBench 4.0，用真实 Cursor 会话中的模糊多文件任务评测各编码模型。
- 榜首：Fable 5.1 Max 以 51.8% 居首，但成本高达 $17.28/任务；Opus 5 Max 以 46.6% 排第五。
- Muse Spark 1.3 表现亮眼：Max 档 41.6%，成本仅 $2.64/任务，是榜内性价比最高的高分模型之一。
- Grok 4.6 Extra High 档 41.4%，leerob 确认该分数准确，并预告 Grok 4.7 即将发布。
- 其余：GPT-5.6 Sol Max 41.7%、Gemini 3.8 Flash High 39.6%、Sonnet 5 Max 仅 34.1%。
榜单同时给出成本、token 用量与步数维度，可在分数与开销之间权衡选择。
所属事件:CursorBench 4.0 发布：难度提升各家得分下滑，Fable 5.1 Max 居首(6 条相关)→
「编程与Agent」频道最新
- Will DePue 呼应 OpenAI 加 API 级能力：让多智能体一次并行分发上千个小模型调用 — willdepue · 2026-10-28
- DeckWerk 新版获早期用户好评：连续数周用于真实演讲 — vincesitzmann · 2026-10-28
- Opus 5.5 剪视频可替初级剪辑师，资深剪辑师日产出翻 5 倍 — dotey · 2026-10-28
- 软件栈正为Agent重构:开发者站点、浏览器乃至编程语言都在agent-first — mobileraj · 2026-10-28
- HABIT-Bench:八种记忆系统测用户习惯推断,最佳仅33.61% — SJTU · 2026-10-28
- 「钢琴测试」思想实验：你敢坐在形式化验证过的代码下吗 — moyix · 2026-10-28