DeepSeek V4.1 Flash 1017 调试探基准跑分出炉：三框架最高修42.7个bug
PawelHuryn · x · 2026-10-19
Pawel Huryn 汇总了 DeepSeek V4.1 Flash 1017 在 Bug Hunt Bench（仅计预埋 bug 的盲评调试基准）上的完整成绩：3 种 agent 框架（Claude Code、DeepSeek Harness、Pi）× 3 档推理力度（Low/High/Max），共 17 次运行。要点：
- 最高分：Max 力度 + DeepSeek Harness，均值 42.7/105（中位数 42），成本 $1.84/次
- 同为 Max，Claude Code 框架均值仅 39.1，说明框架差异在高力度下更明显
- Low 力度下各框架 33.8-34.8，差距缩小；最低成本仅 $0.46
- 单次运行约 33-62 分钟，性价比区间在 $0.6-1.1
作者结论：推理力度越高，harness（agent 框架）对成绩的影响越大。附完整每轮分数表。
所属事件:Bug Hunt Bench 实测：同一模型换 harness 成绩差 3.6 分(5 条相关)→
「编程与Agent」频道最新
- Yelp、达美、摩根大通纷纷封杀 AI Agent，代理上网之路受阻 — steveplunkett · 2026-10-19
- 构建 400+ Agent 后总结:15 个 AI Agent 设计模式 — MaryamMiradi · 2026-10-19
- 开源项目 Groki 用 ESP32 直连 Grok 原生语音做桌面助手 — alexcovo_eth · 2026-10-19
- AI Agent 用 EHT 原始数据复现黑洞照片，与官方图像匹配 91%-98% — fofrAI · 2026-10-19
- Grok bot 不写代码：实为转发任务给 Mac 上的 Claude Code — alexcovo_eth · 2026-10-19
- 用邮件指挥 AI Agent 干活：发封邮件就完成 SEO 分析 — pramodk73 · 2026-10-19