懒的模型省下的轮次变成漏掉的bug

抓 bug 靠的不是聪明，是舍得花轮次，这个测试把这事量化了。设定很干净：两个真实仓库、105 个 bug，谁找到并修掉的多谁赢。六个选手跑完，分数是这样。

Sonnet 5.5（max）55.5 分居首，GPT-6 Astra 45，GPT-5.6 Sol 43.5，Fable 5.1 43，Opus 5.5 41.7，Sonnet 5.5 换到 xhigh 档掉到 39。

看轮次那栏才明白怎么回事：Sonnet 5.5（max）跑了 1,330 轮，Astra 只用 222 轮。前者多花约 6 倍轮次、3 倍于 Opus 5.5 的轮次，换回多抓 10 到 14 个 bug。

它赢在最不懒。都调到 max 档，有的模型草草收工，它肯一格一格把角落翻完。轮次在这里不是浪费，是燃料，抓漏的次数跟翻找的次数直接挂钩。

更妙的是 xhigh 那组当了对照。把轮次砍掉一半以上，分数就掉到 39，反而低于 Opus 5.5 的 max 档，后者平均轮次还更少。同一家的两个档位，一个用足轮次夺冠，一个省着用垫底，说明档位买到的其实是愿不愿意多想几轮。

我的判断是这类测试比总榜值钱，因为它拆开了过程。任务越像找东西，花轮次的收益越高；任务越有标准答案，快和省才占上风。保留一处：每个配置的样本只有一到三次，分数抖动不小，方向可信，名次别当真。

给选型留个简单的参照：接修 bug 这类活，先看它肯不肯多跑几轮，再看单轮贵不贵。懒的模型省下的轮次，最后都会变成漏掉的 bug。