105 个真实 bug 实测:GPT-6.1 Sol 比上代强 10 倍且更便宜
PawelHuryn · x · 2026-10-23
作者用自建 Bug Hunt Benchmark(2 个仓库、105 个 2026 年初前沿模型漏掉的 bug)实测 Opus 5.5、Sonnet 5.5 和 GPT-6.1 Sol,并计算各家订阅计划(Claude Max / ChatGPT Pro / SuperGrok)实际能买到的 API 价值(为其价格的 9.3x137x)。
关键发现:
- Opus 5.5 显著强于 Opus 5,接近 Fable 5.1(41.7 vs 43),成本仅其三分之二($58.53 vs $87.18);除非预算无限,建议弃用 Fable 5.1。
- Sonnet 5.5 输入/输出 token 价格是 Opus 5.5 的一半($2/$10 vs $4/$20 每百万 token),但长 agent 会话中主要成本是缓存读取,两者定价相同($0.20/MTok)。Sonnet 5.5 (max) 意外夺冠(51.3/105),靠跑 1,497 次(此处被截断)。
- GPT-6.1 Sol 在复杂任务上略强于 GPT-5.6 Sol,但便宜超 10 倍:输入输出价格减半,缓存读取便宜 4 倍(OpenAI 称 95% 折扣,可能是暂时性,或回到标准 90%)。10 倍差距主要由轮次数解释(同任务 485 轮 vs 200 轮)。
- 发布当日 GPT-6.1 Sol 速度约为 Opus 5.5 的一半,OpenAI 的 Tibo 表示接下来几小时会提速近 2 倍。
「编程与Agent」频道最新
- Georgia Tech 将 35 个 CVE 直接归因于 AI 编码工具 — YvesMulkers · 2026-10-23
- 一人团队用 agent 跟踪 519 个目录站，已提交 311 个 — fekdaoui · 2026-10-23
- MIT ScienceClaw 黑客松:去中心化 AI agent 集群攻科学难题 — ProfBuehlerMIT · 2026-10-23
- Reddit 热议:长时程 Agent 该在 harness 层解决什么问题 — Glittering812 · 2026-10-23
- 月付 20 美元同时跑 100 个 DeepSeek v4.1 flash agent — zack_overflow · 2026-10-23
- MCP 弃用 session-id 转向内联 _meta,有状态工具迁移成难题 — Stock-Pumpkin-8859 · 2026-10-23