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:
- GPT-6.2 Astra (max):62.7 分,成本 $28.35
- GPT-6.2 Astra (xhigh):60 分,$23.53
- Fable 5.2 (max):58 分,$139.65
- Gemini 4 Carbon (high):57.3 分,$31.32
- Sonnet 5.5 (max):51.3 分,$154.03
- GPT-6 Astra (max):45 分,$33.03
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)→
「模型」频道最新
- Astra 6.2 实测:随口描述想法就能生成完整可跑应用 — kagigz · 2026-11-19
- Every 实测 GPT-6.2 Astra 与 Sol:有界任务高效,深度工作仍欠判断力 — danshipper · 2026-11-19
- 微软发布 2.3B 端侧小模型 Aion-1.0-Instruct — adefa · 2026-11-19
- GPT-6.2 Astra 登顶 Harvey 法律评测,成本仅为前代三分之一 — ahelkky · 2026-11-19
- 上线仅 19 天,Bittensor 上 Cascade MoE 拿下 GIFT-Eval 预测基准领先成绩 — const_reborn · 2026-11-19
- Sciforium 让 DeepSeek-V4.1-Flash 在 4 张 AMD MI355X 上跑出 P90 1129 tokens/秒 — rohanpaul_ai · 2026-11-19