实测 105 个植入 Bug:GPT-6.1 Sol 性能近 Astra,成本仅 1/5
PawelHuryn · x · 2026-09-30
- Pawel Huryn 在 2 个真实代码仓库中植入 105 个 Bug,让各模型自由查找修复,并公布 xhigh 档(max)结果:
- GPT-6 Astra:修复 45 个,花费 $33
- GPT-6.1 Sol:修复 44 个,仅 $6.56
- GPT-5.6 Sol:修复 43.5 个,$95.35
- Opus 5.5:修复 41.7 个,$58.53
- GPT-6 Sol:修复 29.3 个,$9.33
- 作者判断 GPT-6.1 Sol 是真实升级,而上一代 GPT-6 Sol 只是「被削弱的 GPT-5.6 Terra」。
- 结论:GPT-6.1 Sol 以约 1/5 的成本逼近旗舰 GPT-6 Astra 的表现,性价比突出;作者还在等待更多结果(xhigh 以下档位)。
所属事件:GPT-6.1 Sol 第三方评测集中出炉:性能近 Astra、成本大降(21 条相关)→
「模型」频道最新
- Google AI Mode隐藏所用Gemini型号,Gemini 4 Carbon下放Pro用户 — gaganghotra_ · 2026-11-16
- 开源 Karpo-Decision-31B 单次前向出概率,登顶 Decision Index 超越 Gemini — CodeByPoonam · 2026-11-16
- Nathan Lambert 点破 Ethan Mollick 榜单对比漏掉了 Kimi — natolambert · 2026-11-16
- Devin 构建中现 Anthropic 隐身模型,METR 图显示前沿速度提至 1.4 倍 — daniel_mac8 · 2026-11-16
- 评测方 Trajectory 给 40 个 Agent 写「永不放弃」提示词,此前未告知 Epoch — peterwildeford · 2026-11-16
- 自托管实测:Unsloth Q8 量化版大幅优于默认 Q3,连夜跑完 331 份账单分析 — No_Cartographer3953 · 2026-11-16