Bug Hunt Bench 对比比此前报告的更悬殊,作者更正轮数
PawelHuryn · x · 2026-09-29
Pawel Huryn 更正其 Bug Hunt Bench 报告中的数据:他此前给出的轮数有误,Opus 5.5 与 Sonnet 5.5 之间的实际对比比之前描述的还要悬殊。后续将在第二个 repo 评分后继续实验至 n=3 并公布结果。
所属事件:Anthropic 新模型刷新 Bug Hunt Bench 纪录(3 条相关)→
「模型」频道最新
- Pangram 误报悬赏之争:五天无人领赏,是检测器太准还是没人愿赌 1000 美元 — FangYi11101 · 2026-11-16
- MazeBench token 效率榜:Fable 5.2 领先,将跑满 10 亿 token 验证 — patience_cave · 2026-11-16
- MazeBench 新高:Fable 5.2 花费 90 小时和 6000 美元跑出 21% 登顶 — patience_cave · 2026-11-16
- 腾讯 Hy4 flash 与 internlm Sage-S2.1-Flash 同日发布,实测征集 — MajesticPuzzler · 2026-11-16
- 网友晒 Qwen 4 Max 生成珊瑚礁作品,模型名尚未官方发布 — intellectronica · 2026-11-16
- Devin 中现 stealth 模型 silicon-2,疑似 Anthropic 新模型 — kimmonismus · 2026-11-16