Bug Hunt 排行:GPT-6.2 Astra 62.7 分登顶,Sol xhigh 以 6% 成本追平 Fable 5.2
PawelHuryn · x · 2026-11-18
Pawel Huryn 分享 Bug Hunt Bench(植入 bug 修复基准,验证盲测、分数满分 105)最新「分数-成本」对比数据,并结合实际使用给出模型分工建议。
关键数据(n=3):
- GPT-6.2 Sol · max 得分 54.7($7.00,68 分钟),较 GPT-6.1 Sol · max 提升 10.4 分;xhigh 得 49($3.89,41 分钟),提升 6.3 分
- Sol (xhigh) 以约 6% 的成本追平 Fable 5.2 (xhigh) 的 49 分
- 图表显示 GPT-6.2 Astra · max 以 62.7 分居首,Gemini 4 Carbon · high 57.3、DeepSeek V4.1 Flash 1017 · max 42.7、Kimi K3.1 Pro · max 36 等
作者观点:OpenAI 每代模型的 token 效率提升值得更多认可;即使考虑订阅倍数差异(OpenAI 10x vs Claude 43x),OpenAI 的性价比最好。他的个人分工是把所有实现与审查任务交给 Sol(现为 6.1),用 Opus 5.5 做规划、协调与判断——「它不容易干蠢事」。
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)→
「编程与Agent」频道最新
- 同时跑 15 个 AI Agent 为什么累?IBM 工程师:是上下文切换疲劳 — TejasKumar_ · 2026-11-19
- 博主自建 AI 原生 macOS Dock,一周后弃用:模式化组织工作行不通 — trq212 · 2026-11-19
- 开源 browserd:比主流浏览器 MCP 快 39%、便宜 68%,工具调用少 87% — Delicious_Break5937 · 2026-11-19
- Daiku 给 AI 一个已登录的浏览器:多 Agent 并行操作你的网页标签 — TejasKumar_ · 2026-11-19
- LLM 账单莫名翻倍怎么查?Reddit 热议部署后成本突增难题 — Junior-Guitar-290 · 2026-11-19
- Google 工程师 rakyll 转向 Kubernetes,要在编排层做 agentic 计算 — rakyll · 2026-11-19