Bug Hunt 榜单：DeepSeek V4.1 Flash 1017 以 1/150 成本逼近 Opus 5.5
PawelHuryn · x · 2026-10-17
Bug Hunt Bench 排行榜（仅计预埋 bug 修复）显示模型差距远超以往：Muse Wonder Full 1.0 以 42/105 居首，Opus 5.5 Max 41.7，Gemini 4 Argon 40.7，而 DeepSeek V4.1 Flash 1017 以 38.7 排第四，成本仅 $1.01（Opus 5.5 为 $154，Sonnet 5.5 需要 7 倍于 GPT-6 Astra 的轮数才拿到 51.3）。作者三轮实测同一模型分数波动大（34/37/45），并说明规则：未预埋 bug 不计分，部分 OpenAI 模型靠上报大量无关真实问题刷分。Grok 4.7 仅 29，Qwen3.8-Max 25.7，GLM-5.3 19。
所属事件:763B 开源模型实测：105 个隐藏 bug 修复大比拼(3 条相关)→
「编程与Agent」频道最新
- 从单 Agent 到蜂群:Supervisors 与 Swarms 架构差异解析 — blaizedsouza · 2026-10-17
- 开发者吐槽：用 AI 工具效率没显著提升，说明你的方法有问题 — tlakomy · 2026-10-17
- Pipecat 语音 Agent 跑上 Cloudflare Python Workers,WebRTC 实现可打断对话 — ritakozlov · 2026-10-17
- 开发者做 DayPlay:解决 Agent 规划行程时「编造地点」的现实数据难题 — Minute-Age9938 · 2026-10-17
- 团队实测 LEMO 管线驱动真实机器人，Claude 风格 agent 完成「网球入杯」任务 — du_yilun · 2026-10-17
- 让 AI 代读 8000 字长文，或成严肃在线写作新形态 — danshipper · 2026-10-17