实测:GPT-6 Astra 找出 105 个前沿模型漏掉的 bug,得分 45 居首
PawelHuryn · x · 2026-10-13
作者 PawelHuryn 在真实工作场景中测试了多个前沿模型:用 2 个代码仓库、105 个 2026 年 Q1 前沿模型漏掉的 bug,让模型去发现并修复。
得分结果(max 档):
- GPT-6 Astra (max): 45.0
- Opus 5.5 (max): 41.7
- Muse Spark 1.3 (max): 32.2
- Muse Wonder 1.0 (max): 31.7
- Grok 4.7 (xhigh): 29.0
作者表示不信任「拉满档」的基准成绩:在自己的多次测试中,Muse Wonder 1.0 表现与 Spark 1.3 相近,速度略慢,且贵 50%。完整匿名数据已放在 GitHub,答案未公开,可自行调整筛选条件查看。
所属事件:Bug Hunt Bench 实测：GPT-6 Astra 45 分居首，Muse Wonder 1.0 追平但更贵(7 条相关)→
「编程与Agent」频道最新
- 实测 14 个语音 agent：背景开台电视，任务完成率 38.7% 跌至 8.6% — solyarisoftware · 2026-10-14
- Grok Bot 0.70.2 上线:每个 Bot 拥有独立邮箱,可无账号搜索 X — XFreeze · 2026-10-14
- 别让 agent 代写 PR 描述:自己写是理解代码变更的最后检查点 — rseroter · 2026-10-14
- AI 搜索公司 Exa 年化收入破 1 亿美元，三年每年增长约 10 倍 — TheIshanGoswami · 2026-10-14
- 不会 CAD 也能造机器人:开发者分享 claude-as-cad 三要素配方 — _krishna_murthy · 2026-10-14
- 巴黎 Dev With AI 大会 500 名开发者听 Antigravity 实战演讲,幻灯片公开 — rseroter · 2026-10-14