真实Bug基准公布模型性能成本结果

PawelHuryn公布自建Bug Hunt Benchmark结果：GPT-6.1 Sol修复105个真实bug的表现比上代GPT-5.6 Sol更强，同时价格低逾10倍；该测试覆盖两个仓库中前沿模型此前漏掉的105个bug，并非通用能力基准。 价格方面，GPT-6.1 Sol输入、输出价格较上代减半，缓存读取便宜4倍；OpenAI称缓存折扣为95%，但可能只是暂时优惠。发布当日其速度约为Opus 5.5的一半，OpenAI的Tibo表示数小时内将提速近两倍。Sonnet 5.5输入、输出价格虽为Opus 5.5的一半，但两者长会话中占主要成本的缓存读取价相同。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。