私は自分のボット取引で発生した4つの実際のバグに対して、新しい6.2モデルをテストしました。また、Fable/Opusとベンチマークを比較しました。 同じバグレポートと同じコードを使用しました。 修正内容は、私が実際に適用した修正から隠しテストを用いて確認し、さらにどのモデルがどの修正を書いたかを知らない2人のAIジャッジによって評価しました。 4つのバグ: 1. 有効化されなかったセーフティチェック → すべてのモデルが修正しました 2. リアルボットの一部をフリーズさせるクラッシュ → Fable、6.2 Astra、Solはクラッシュを防ぐように修正しました。 Opusは半分しか修正できませんでした 3. アップデートがスキップされる価格フィード → OpusとFableは完璧に修正しました。両方の6.2モデルはセーフティチェックを削除してしまいました(失敗) 4. 私のWebアプリのコードレビュー → GPT-6.2-Astraが最も多くの問題を発見しました。SolはOpenAIのセーフティフィルターにブロックされました 最終スコア(100点満点): 🥇 GPT-6.2 Astra 91 🥈 Claude Opus 5.5 83 🥉 Claude Fable 5.2 81 GPT-6.2-Sol 65 最適な構成はまだ以下の通りだと思います: プラン + ボス:Fable コーディング:Opus 監査 + レビュー:Astra 小規模タスク:Sol





