Bug Hunt Bench 上线:105 个真实预埋漏洞实测前沿编程模型
PawelHuryn · x · 2026-10-24
Pawel Huryn(The Product Compass 作者)发布 Bug Hunt Bench,一个让前沿编程模型在真实预埋漏洞上对决的排行榜:105 个植入 bug,盲评、每个 repo 单次 prompt,可按分数/成本/耗时/轮数排序对比,每行的完整说明与注意事项公开在 GitHub 的 run-notes.md 中。
榜单支持选择不同推理档位与 harness 的运行记录,数据全部来自各运行日志并统一口径统计;作者强调标准是"动手实测、不炒概念、没跑过的不上板"。
「编程与Agent」频道最新
- 多人设 AI Agent 协作截图走红：Chief of Staff 会复盘并自我纠错 — RachelVT42 · 2026-10-24
- 全能 ESP32 口袋开发板走红：Codex 随手编程，拍照录音玩游戏全拿下 — thesephist · 2026-10-24
- 手机上跑桌面版 ComfyUI 太难受，他做了个免费开源移动 UI — Deneme123deneme · 2026-10-24
- 编码 Agent 崩溃后该重启还是回滚？开源项目 Kvist 给出方案 — ChatGPT_Codex · 2026-10-24
- 安全老兵：0day 修补窗口缩至数小时，安全债利率飙升 — xeophon · 2026-10-24
- Mubit 开源 Banyan Sapling：用校准概率判断上下文是否支持论断 — testingcatalog · 2026-10-24