Bug Hunt Bench 全榜单:DeepSeek V4.1 Flash 每美元性价比碾压
PawelHuryn · x · 2026-11-10
该帖是 Pawel Huryn 编码模型实测的方法论 FAQ 与完整排行榜(Bug Hunt Bench):
方法
- 用真实仓库、重新植入 2026 年初前沿模型都会漏掉的真实漏洞
- 盲校准评审,评委始终来自不同模型家族;只计「彻底修复」,「几乎修好」计 0 分
- 未植入的漏洞不计分——某些 OpenAI 模型会报告大量真实但无关的问题刷分
- Fable 5.2 为 n=3(56/53/65)
完整榜单要点(共 134 次运行,展示 20 次)
- Fable 5.2 max 58 分居首($139.65);Sonnet 5.5 max 51.3($154.03)
- 性价比之王:DeepSeek V4.1 Flash 1017 max 42.7 分仅 $1.84,high 档 39.2 分仅 $1.27
- GPT-6.1 Sol XHIGH 42.7 分仅 $4.35
- Kimi K3.1 Pro max 36 分($13.76)、Grok 4.7 29 分($22.96)
- Meta Muse Wonder Full 1.0 max 42 分
榜单全部结果与备注开源在 GitHub。
所属事件:Bug Hunt Bench 实测：Fable 5.2 修 58/105 漏洞居首(3 条相关)→
「编程与Agent」频道最新
- 曝 xAI 正搭建 Grok Academy，15 门课程与认证体系目录泄露 — nima_owji · 2026-11-10
- T3 Code 真实用量：Claude Code 占比升至 78%，Opus 5.5 上线后暴涨 — FinanceYF5 · 2026-11-10
- 50 克眼镜塞进全彩显示+手势追踪，博主畅想跑 Codex — Scobleizer · 2026-11-10
- 开源Agentlas-OS：把目标自动拆成可校验的Agent任务树 — Aiden_Tech_Ai · 2026-11-10
- 实测先写测试后写代码的 LLM Agent：21 次全过，33 个埋藏 bug 全捕获 — Infinite-Fly-2756 · 2026-11-10
- MiniMax M3.1 Flash 在 OpenCode 免费开放，被称适合赏金抓 bug — DanielLockyer · 2026-11-10