Bug Hunt 榜单：Fable 5.2 xhigh 修 49/105 个 bug,比 max 档省一半钱
PawelHuryn · x · 2026-11-10
PawelHuryn 公布 Bug Hunt Bench（105 个预埋 bug 修复）最新榜单：Fable 5.2 xhigh 档修复 49 个，成本 61.01 美元、耗时 57 分钟，优于 GPT-6 Astra max（45 个/33.03 美元）和 Opus 5.5 max（41.7 个/58.53 美元），且比 Fable 5.1 xhigh（29 个/40.42 美元）大幅提升。Fable 5.2 max 档则以 58/105 登顶，但耗时 142.8 分钟、成本 139.65 美元；Sonnet 5.5 max 得 51.3 分却跑了 2871 分钟，异常缓慢。
榜单其他看点：
- GPT-6.1 Sol 性价比突出：max 档 44.3 分仅 5.88 美元。
- DeepSeek V4.1 Flash 1017 max 得 42.7 分，成本仅 1.84 美元，为榜首模型的三十分之一。
- Kimi K3.1 Pro 36 分/13.76 美元，Grok 4.7 xhigh 29 分/22.96 美元。
作者还指出最大异象：Sonnet 5.5 (max) 的轮次数是 GPT-6.1 的 7 倍，无论是否配置不当，「拒绝在开放式任务上停下来」反而帮它拿了高分。
「模型」频道最新
- 亚马逊用工单决策模型替换 Sonnet 4.6,成本降 98% 年省数百万 — victormustar · 2026-11-10
- banteg 上线 Sokoban 推箱子评测 — banteg · 2026-11-10
- 实测让 Fable 5.2 生成 100 个 HTML：质量惊艳但价格翻倍 — akbirthko · 2026-11-10
- 马斯克:Grok 4.8 弃用 JAX/SGLang,C/C++ 重写全栈进入 RL 阶段 — tetsuoai · 2026-11-10
- 同一提示词实测：Fable 5.2 比 Opus 5.5 贵 76% 但快 1 小时 15 分 — FinanceYF5 · 2026-11-10
- RTX 3060 12GB 实测:RustingStrata 跑 Qwen3.6-35B 全胜 llama.cpp — Serious_Scarcity7818 · 2026-11-10