Bug Hunt Bench 实测编码模型修 bug 能力

Pawel Huryn 使用两个真实仓库和 105 个真实漏洞开展 Bug Hunt Bench 盲测，Fable 5.2 (max) 修复 58/105 个漏洞居首。同期公布的完整排行榜与方法论 FAQ 显示，DeepSeek V4.1 Flash 的每美元修复性价比大幅领先其他模型，为评估编码模型的真实修 bug 能力提供参考。