Bug Hunt 实测：DeepSeek V4.1 Flash 修 42.7/105 领先 Opus 5.5

SuSu_酥酥👅 @NFT_Chen原推发布于 2026.10.24

在 X 上打开原推

😧惊了！实际工作实测打脸：DeepSeek V4.1 Flash 1017 仍大幅优于 Kimi K3.1 Pro！ 独立测试者 @PawelHuryn 在真实代码库上跑了 Bug Hunt 基准（2个生产级仓库 + 105个此前前沿模型漏掉的植入bug，要求找并修复）： 1️⃣DeepSeek V4.1 Flash 1017 (max)：修复 42.7/105（DeepSeek harness） 2️⃣Muse Wonder Full 1.0 (max)：42 3️⃣Opus 5.5 (max)：41.7 4️⃣Kimi K3.1 Pro (max)：仅 36/105 5️⃣Muse Spark 1.3 (max)：32.2 成本更夸张：DeepSeek 这次跑下来仅约 $1-2，Kimi 约 $14，其他模型动辄几十美元。 测试者直接说：“考虑成本，我看不出用这个模型的理由。” 实际修bug、读真实代码库场景，DeepSeek 依然性价比碾压。Kimi 还没打到这个点。 完整榜单：https://bughunt.productcompass.pm/ #DeepSeek #Kimi #AICoding #LLM #BugHunt #开源AI #DeepSeekV4 #梁文峰 #杨植麟

这条是引用着另一条写的：「105 个 bug 修复实测：V4.1 Flash 42.7 分超过 Opus 5.5」