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
- HeyGen 联手 Canva:幻灯片讲者备注自动变数字人讲解视频 — HeyGen · 2026-10-27
- 用 Astra 计算机视觉操控 Premiere Pro 剪辑，10 个实用玩法 — beechinour · 2026-10-27
- 开发者开源一套更好看的 Agent 运行瀑布图追踪 UI — round · 2026-10-27
- Phil Schmid 发布 Gemini API CLI:无状态工具,给现有编码 Agent 补多模态能力 — _philschmid · 2026-10-27
- 马斯克盛赞 Grok Bot:像雇了个超能干的幕僚长 — elonmusk · 2026-10-27
- shadcn 演示用 /improve skill 搭配 Grok 批量处理 issue — shadcn · 2026-10-27