Sonnet 5.5 在 Bug Hunt Bench 跑出 628 次调用、111 分钟自检
PawelHuryn · x · 2026-09-29
博主 PawelHuryn 在 Bug Hunt Bench 上观察到 Sonnet 5.5 前所未有的执行行为:- Opus 5.5 (max):138–163 次调用,最后一分钟写报告(n=3)- Sonnet 5 (max):207 轮- Sonnet 5.5 (max):628 次模型调用,66 分钟出报告,且到 111 分钟、818 轮仍在持续检查自己的工作他称这是该基准历史上从未见过的行为,「这可能是一份疯狂的报告」,待第二个仓库判定后将重复至 n=3 再公布最终分数。
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