Bug Hunt Bench 编程模型实测榜更新:GPT-6.1 Sol xhigh 档近乎免费
PawelHuryn · x · 2026-09-30
Pawel Huryn 运营的 Bug Hunt Bench(让前沿编程模型修复真实仓库中预埋的 105 个 bug,盲评、单 prompt、按成本/时间/轮次多维度展示)更新:所有努力档位(effort levels)已就绪,补充运行(n=3)进行中。xhigh 档结果已出,其中 GPT-6.1 Sol 在 xhigh 下成本几乎为零。完整榜单、注意事项与各模型 run 说明在 bughunt.productcompass.pm 及其 GitHub(results/run-notes.md、runs.csv)。
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