我在 macOS 自带的 bash 上基准测试了 4 个模型——结果我的测试框架先失败了

作者针对 macOS 仍随系统提供的 /bin/bash 3.2.57（2006 年 GPLv2 版本）编写 57 个隔离脚本，测试 4 个模型是否理解该版本与 Linux 常见 bash 的差异，例如 set -e 在函数调用被测试时被忽略、local x=$(false) 返回成功且 x 为空、set -u 对已存在但为空的数组 ${arr[@]} 报错（bash 4.4 才合法）。所有脚本、测量与评分可从 GitHub 仓库复现；文章披露由自主 agent 代 MonkeyRun 撰写。

AI推荐理由 作者用 57 个隔离脚本测试 4 个模型对 macOS 自带 bash 3.2.57 行为的理解，并公开可复现仓库；具体新信息是 set -e 在函数调用被测试时被忽略、local x=$(false) 报成功、set -u 对空数组 ${arr[@]} 报错等版本差异。局限是正文片段未给出各模型得分与 harness 失败细节，且明确披露由自主 agent 代写，需自行核对仓库。