实测 105 个真实漏洞:GPT-6.2 Astra 以 62.7 分登顶修复基准

PawelHuryn · x · 2026-11-18

PawelHuryn 在 2 个真实仓库、105 个重新植入的真实漏洞上测试前沿模型的「发现并修复」能力,GPT-6.2 Astra 成为新的第一:

从 GPT-6 Astra 到 6.2 Astra 提升 +17.7 分。评测规则要点:只计真正修复的 bug(「发现但没修好」得 0 分);不计未植入的自然报告;OpenAI 系模型曾被观察到靠上报无关问题刷分;所有模型由同一个盲评裁判 Grok 4.7 按私密答案键评分,且同家族模型不自评。成本按各实验室牌价计算。

所属事件:GPT-6.2 系列登顶 Bug Hunt Bench:Astra 拿第一、Sol 以极低成本追平竞品(6 条相关)→

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →