Bug Hunt 测试：V4.1 Flash 修 105 个植入漏洞得 42.7 分，超 Opus 5.5 与 Kimi

xiax｜AI & Agents @xiax0603原推发布于 2026.10.24

在 X 上打开原推

💥反差拉满！Bug Hunt硬核测试，DeepSeek V4.1 Flash 1017显著强于Kimi K3.1 Pro 大家都在热议Kimi K3.1 Pro的3D、长文本与金融Agent能力，这份独立Bug Hunt基准却给出反差结果。测试采用两份生产仓库、105个植入漏洞，仅统计定向修复成绩，剔除意外修复带来的虚高。 DeepSeek V4.1 Flash 1017【MAX】拿到42.7分，超过Opus 5.5和Kimi K3.1 Pro，成本仅1至2美元； Kimi K3.1 Pro【MAX】得分36，成本接近14美元，单修复成本差距悬殊。 没有全能的大模型。Kimi擅长3D创作、长链路Agent，但在存量代码深挖、隐蔽bug定位上存在短板。不同场景的最优模型本就不同。 你写代码，更看重从零搭建项目，还是排查存量bug？

这条是引用着另一条写的：x.com/xiax0603/status/2113831901110947985