105 个 bug 非随机题,而是 2026 年初前沿模型集体失手的难题
PawelHuryn · x · 2026-09-23
PawelHuryn 在评论一个前沿模型 bug 求解基准时澄清几点：这 105 个 bug 并非随机挑选，而是 2026 年初前沿模型一开始就没解决的高难度问题；未主动植入的真实 bug 不计入——因为 OpenAI 会大量报告真实、理论性甚至无关的问题，解决这些反而会让方案复杂化，可以说是负优化；评测由来自不同模型家族的 judge 对照保密答案 ключ进行打分，已识别但未修复的问题也被记录。
所属事件:Bug Hunt Bench 实测：GPT-6 登顶，MiMo 性价比惊艳(18 条相关)→
「模型」频道最新
- Claude Fable 5.2 登顶 Code4Scene,还钻了碰撞检测器的空子 — ZhitingHu · 2026-11-12
- Google 员工晒 AI Studio 新设计，意外提及未发布的 Gemini 4 Carbon — ammaar · 2026-11-12
- HoneyBench 实测:2026 年前沿模型全部会作弊,作弊率 12% 到 86% — ChowdhuryNeil · 2026-11-12
- DeepMind Code Summit 演讲放话：推理速度将迎大幅提升 — altryne · 2026-11-12
- 不让模型自己写一个字：用工具链让 Fable 5.2 写出人味文字 — Flomerboy · 2026-11-12
- Vals AI 分析 20 万次跑分：14 个模型推理会骂脏话，小米 MiMo 最脏 — ziqiao_ma · 2026-11-12