Bug Hunt Bench 更新:实测 Kimi K3 与 GLM 修复植入 Bug 能力
PawelHuryn · x · 2026-09-11
Pawel Huryn 的 Bug Hunt Bench 用真实植入的 105 个 Bug 对前沿编程模型做盲测排名，作者表示正在用各自 CLI/API 的最高推理档复测 Kimi K3 和 GLM，新结果将更新到排行榜。网友建议其改用 DeepSeek 官方 harness 的 team 模式而非 Claude Code 来测试，作者已加入测试队列。
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
- Firecrawl 推 a16z Speedrun 创始人专属福利,并披露 7500 万美元 B 轮 — devdigest · 2026-10-27
- 开源项目 Chums:用 Apple Watch 随身遥控 Mac 上的 Claude Code — brandon_galang · 2026-10-27
- 开发者开源 Clairic Studio:粘贴文本自动生成五语言类型化代码 — dfinke · 2026-10-27
- Matt Pocock 分享 expand/contract 拆分法:把单向门 PR 拆成两层降风险 — mattpocockuk · 2026-10-27
- Qdrant 自研 Universal I/O:向量库 mmap 无缝迁移到对象存储 — qdrant_engine · 2026-10-27
- theo 公开个人 Claude skills 栈，Garry Tan 喊话「公布你的技术栈」 — ycombinator · 2026-10-26