Bug Hunt 榜单:Gemini 4 Neon 修复 63/105 登顶,险胜 GPT-6.2 Astra
PawelHuryn · x · 2026-11-19
Pawel Huryn 用 Bug Hunt Bench 在 2 个真实仓库、105 个预埋 bug 上实测各家模型「找 bug 并修复」的能力,只计预埋 bug 的修复数,未预埋的真实缺陷不计分。
- Gemini 4 Neon (xhigh):63/105,登顶第一,成本 $46.34、耗时 75.9 分钟
- GPT-6.2 Astra (max):62.7,紧随其后;其 xhigh 档 60.2
- Anthropic Fable 5.2 (max):58,但成本高达 $139.65;Sonnet 5.5 (max) 51.3 分、成本 $154、耗时 2871 分钟,为最贵最慢
- 性价比突出的是 GPT-6.2 Sol 系列(54.7 分仅 $7)与 DeepSeek V4.1 Flash 1017(42.7 分仅 $1.84)
作者称 Gemini 4 Neon 是新榜首,更多 effort 档位结果将在后续线程公布。
所属事件:Gemini 4 Neon 发布:登顶编码榜,重塑性价比前沿(28 条相关)→
「编程与Agent」频道最新
- 开发者给所有 AGENT.md 写死「像齐泽克一样跟我说话」 — generativist · 2026-11-20
- YC P26 公司发布 Antinuous:号称实验成本降千倍、量级增百倍 — ycombinator · 2026-11-20
- Nous Research 携手微软,Hermes 企业级 Agent 进驻 Teams 与 Azure — NousResearch · 2026-11-20
- MCP 服务器提交 53 个目录实测:11 天仅 16 个上线 — B3N0U · 2026-11-20
- Replit Missions 用浏览器爬取上千电子签流程并 1:1 重建 — amasad · 2026-11-20
- Replit 用 Missions 3 天复刻个人 AI 助理,开源版 Amuse 上线 — amasad · 2026-11-20