105 个 bug 修复实测：DeepSeek V4.1 Flash 42.7 分超 Opus 5.5，成本仅 $1.8

Leo · Building w/ AI @leo114119原推发布于 2026.10.24

在 X 上打开原推

Kimi K3.1 Pro 真实任务测试 （2 个仓库，105 个重现的 bug） 看看大模型能修复几个，同时看看要花多少钱 结果如下： DeepSeek V4.1 Flash 1017 (max)：42.7 Muse Wonder Full 1.0 (max)：42 Opus 5.5 (max)：41.7 Kimi K3.1 Pro (max)：36 Muse Spark 1.3 (max)：32.2 成本如下： DeepSeek V4.1 Flash 1017 (max)：$1.84 Opus 5.5 (max)：$58.53 Kimi K3.1 Pro (max)：$13.76 感觉在真实的编码任务里，也不怎么样 还是那句话，对比K3有进步，但完全比不过DeepSeek V4.1 Flash 1017 https://x.com/PawelHuryn/status/2113747367409123623/photo/1