AGI Hunt· PawelHuryn·· 4 小时前AI 评分36
Paweł Huryn 自建 Bug Hunt 基准测试得出不同结论：GPT-6.1 Sol 表现回升
自建 Bug Hunt 基准测试出不同结论
AI 导读
Paweł Huryn 的 Bug Hunt 基准测试显示，GPT-6.1 Sol 表现回升，Muse + Contributor 仍是对多数任务足够强且最便宜的选择。该基准测量模型在真实代码仓库中发现并修复疑难 bug 的能力，结果与其他榜单不同。
来源：AGI Hunt · agihunt.info