Bug Hunt 实测:Gemini 4 Carbon 57.3 分仅需 $31,逼近 Fable 5.2 的 $140
PawelHuryn · x · 2026-11-11
作者用 Bug Hunt Bench 在 2 个代码库共 105 个预埋 bug 上实测各模型找修能力,结果:
- Fable 5.2 (max):58 分,$139.65
- Gemini 4 Carbon (high):57.3 分,仅 $31.32
- Sonnet 5.5 (max):51.3 分,$154.03
- GPT-6 Astra (max):45 分,$33.03;GPT-6.1 Sol (max):44.3 分,$5.88
- Gemini 4 Argon (high):40.7 分,$7.16
作者指出 Google 自家基准数据此前无法被外界验证,这次实测证实了宣传:Gemini 4 Carbon 比 Argon 高 16.6 分,成本不到 Fable 5.2 的四分之一,得出结论"没人该再嘲笑 Google"。配图为完整 leaderboard,含 DeepSeek V4.1 Flash(42.7 分,$1.84)、Kimi K3.1 Pro(36 分)等更多模型的分数、耗时与费用。
「编程与Agent」频道最新
- Supabase 接入 Expo EAS CLI，一条命令打通全部环境后端 — dshukertjr · 2026-11-11
- AI 重写旧软件有多容易？Orosz 引爆讨论，网友列出三大重写清单 — _philschmid · 2026-11-11
- 前 Meta 研究员预测：SWE token 市场将现 1500-2000 亿硬上限 — DimitrisPapail · 2026-11-11
- ComfyUI 挑战赛冠军 ComfyArt:开源全本地 AI 设计画布上线 GitHub — bfl_ai · 2026-11-11
- 放下自建 harness 让 agent 自己优化：重启恢复率从 5 升至 77 — AccBalanced · 2026-11-11
- 一张儿童游戏室照片变成赛车游戏，AI 还加码扩建成全屋 — every · 2026-11-11