Bug Hunt 实测:DeepSeek V4.1 Flash 24 分仅花 $1.80,逼近 Opus
iPaulis · x · 2026-09-11
Pawel Huryn 的 Bug Hunt Bench 用真实代码库中预埋的 105 个隐藏 bug 考测前沿编程模型，盲评、每库一次提示，结果颇具冲击力：
- 修复数（满分 105）：Opus 5 (max) 27、Grok 4.6 (max) 27、DeepSeek V4.1 Flash (max) 24、GPT-5.6 Luna (xhigh) 23、Opus 5 (high) 21
- 成本：Opus 5 (max) $51.33、Grok 4.6 (max) $16.96、DeepSeek V4.1 Flash (max) 仅 $1.80、GPT-5.6 Luna $2.50、Opus 5 (high) $38+
结论：DeepSeek V4.1 Flash 在日常任务上表现非常强，分数逼近顶级闭源模型，但成本只有 Opus 5 max 的约 1/28。整个榜单的成本跨度约两百倍，而耗时跨度不足七倍。作者后续还计划用 Qwen 官方 API 复测 Qwen 3.8 系列并补充更多 effort 档位。
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
- Agent 时代依赖取舍新标准：省 20 行代码就别引库 — gethackteam · 2026-10-26
- 纯 Rust 开源 GIS 两周狂揽 2000 星，架构为 AI Agent 而生 — giswqs · 2026-10-26
- Vercel Ship 大会一周发 12 项新品，2700 人到场抢 Agent 入口 — FinanceYF5 · 2026-10-26
- 50 行纯 Python 从零构建 AI Agent:ReAct 循环入门教程 — adnan_hashmi · 2026-10-26
- Muse Wonder 分块 + SAM 3.1,一粒不漏分割整根玉米粒 — nikhilaravi · 2026-10-26
- 安全专家：让 AI 智能体按 NIST CSF 搭知识库做应急响应 — prasanna_says · 2026-10-26