祖传bug测了几个模型的能力：

C++ 代码的bug，有三层修复深度：1. 表面问题 2. 深层问题 3. 引用库里的问题

1. minimax 2.7: 未发现问题。提示到具体代码行，仍然不承认有问题。


2. mimo-v2-pro: 怀疑到具体行数，这个位置是对的，但最终判定不是bug。


3. glm 5: 发现并解决问题，但只从表面上解决了。


4. claude 4.6 opus: 发现并解决表面问题。发现深层问题，没有自动修改，能提示用户需要手动修改。


5. GPT 5.4 xhigh: 发现了用户都没想到的深层问题，自动修改，一次改对。


6. kimi-2.5：未发现问题。然后提示代码行号，态度转变发现并解决表面问题。同时发现深层问题，但改错了。（速度很慢，比GTP还慢）


7. Gemini 3.1 pro preview(Copilot): 同glm 5。（速度快，比其他快10倍）


8. claude 4.6 Sonnet: 发现并解决表面问题。发现深层问题，但改错了。和kimi-2.5错的一样。


9. glm 5.1: 同claude 4.6 Sonnet。


10. doubao-seed-2.0-code: 同kimi-2.5


11. qwen3.6-plus preview free: 同glm 5


12. stepfun/step-3.5-flash:free: 同glm 5.1。


13. Gemini 3.1 pro (Antigravity): 发现了用户都没想到的深层问题，自动修改，一次改对。深层次问题用最少的代码修复，比GPT 5.4灵性。


14. kimi-k2.6: 同claude 4.6 opus。


15. GPT 5.5 xhigh: 1. 解决表面问题。2. 解决深层问题，改动代码量比5.4少，比gemini3.1多。3. 发现引用的库的bug，没有改动库，本地业务代码优雅规避。


16. deepseek v4 pro (stepFun路由，思考强度未知)：同claude 4.6 opus，能提示潜在问题，也分析的透彻。太慢了11分钟，26个请求，所有测试里最慢的。


17. claude 4.7 opus max: 同claude 4.6 opus，对于潜在问题没有自动处理，提出3个选项，第一个选项是Gemini 3.1 pro (Antigravity)那个改动最少，最灵性的。耗时2分钟，15个请求。


18. mimo-v2.5-pro: 同claude 4.6 opus。耗时2分钟。共测试4次，有2次没检查出问题，不稳定。


19. 新增Gemini 3.5 Flash (High) (Antigravity 2.1): 未发现问题。提示到具体代码行，只从表面上解决了。速度非常快，42秒。


20. MiniMax M3 Free: 1. 解决表面问题。2. 解决深层问题，改动代码量比5.4少，比gemini3.1多。表现大于GPT 5.4 xhigh。
    
    
    
    • 使用的是opencode免费版，耗时7m51s。看思考过程，该想到的都想到了，不该读的文件也读了，行为和deepseek v4有点像。如果使用token plan和MiniMax code，也许速度会快点。
    
    
    
    


21. Qwen 3.7 Max: Qoder IDE，开启Spec驱动。Max解决了表面问题。第二层深度问题提供三个方案，最好的方案和GPT 5.4相同，这点不及Opus 4.7，GPT 5.5合Gemini 3.1。第三层问题，也就是公共库的bug，提供两个方案改或不改，但如果选了不改，却没有本地规避，不及GTP 5.5。是第二个发现第三层bug的老师。


22. Qwen 3.7 Plus: Qoder IDE，开启Spec驱动。同claude 4.6 Sonnet。


23. DeepSeek V4 Pro: Qoder IDE，开启Spec驱动。解决表面问题。第二层改错了。竟然发现第三层引用的库的bug，没有改动库，本地业务代码优雅规避，这点同GPT 5.5，也是第三个发现三层bug的老师。但第二层改错了。