105 个真实 bug 实测:GPT-6 Astra 得 45 分居首,GPT-6 Sol 大幅退化
JohnMcKeownn · x · 2026-09-24
Pawel Huryn 用两个真实仓库里的 105 个隐藏 bug 实测前沿编码模型，结果为：GPT-6 Astra (max) 修复 45 个、GPT-5.6 Sol 43.5、Opus 5.5 41.7、Muse Spark 1.3 32.2、GPT-6 Sol 仅 29.3，表现大幅退化。换算成 API 等效成本差距也很明显：GPT-6 Astra 约 $33，Opus 5.5 约 $58.5，GPT-5.6 Sol 高达 $95+。bug 清单不公开以保持基准有效性，但作者公布了测试覆盖范围。
所属事件:Bug Hunt Bench 实测 GPT-6：Astra 居首，Sol 版本大幅退化(2 条相关)→
「编程与Agent」频道最新
- Plurai 推出 Agent 仿真平台：从代码库构建数字孪生自动找故障 — thisguyknowsai · 2026-11-11
- 0xJeff:x402 的真正短板在企业级,大钱在 B2V 而非机器互付 — 0xJeff · 2026-11-11
- 开发者自建 git 网页应用被 Codex 安全护栏误判为网络安全风险 — brianmichel · 2026-11-11
- 形式化验证让 AI 编码更快：Lean 证明成为 agent 优化护栏 — bigdata · 2026-11-11
- Orchestrator v0.14.11 发布：统一管理散落各处的 AI 编程会话 — julianweisser · 2026-11-11
- DeepSeek 开源编码 agent DSH 登上 HF Harness 榜，五项评测并列第一 — TheZachMueller · 2026-11-11