实测找 105 个隐藏 bug:DeepSeek V4.1 Flash 得 24 分,成本仅 Opus 5 的 3.5%
ChartsJournalX · x · 2026-09-11
博主 PawelHuryn 用两个真实代码仓库设计了一份「找出并修复 105 个隐藏 bug」的测试,横向对比多款顶级模型的实际修复数与花费:
- Opus 5 (max):27 个,成本 $51.33
- Grok 4.6 (max):27 个,成本 $16.96
- DeepSeek V4.1 Flash (max):24 个,成本仅 $1.80
- GPT-5.6 Luna (xhigh):23 个,成本 $2.50
- Opus 5 (high):21 个,成本 $38
结论:DeepSeek V4.1 Flash 在真实任务上接近头部旗舰,日常任务表现很强,而成本只有 Opus 5 (max) 的约 3.5%,性价比极为突出。
所属事件:Bug Hunt Bench 发布:105 个真实 bug 横评前沿模型(13 条相关)→
「编程与Agent」频道最新
- AustinLangChain 分享 RAG 变体：预计算黄金答案运行时精确匹配 — colinmcnamara · 2026-10-27
- 开发者观点：与 agent 交互式协作仍有未被挖掘的价值 — alex_frantic · 2026-10-27
- 研究者发起 AMA:揭秘「平民开发者」用 AI Agent 自动化企业工作 — Loose_Rip359 · 2026-10-27
- Gradio 推 ML Intern 人工介入：训练前可暂停审核数据 — Gradio · 2026-10-27
- 玩家用本地 LLM + Blender MCP 自动搭建 Halo 无限 Forge 地图 — swagonflyyyy · 2026-10-27
- Unity 前开发者:OpenClaw 清理得不错,值得再试一次 — lucasmeijer · 2026-10-27