Grok 4.5登顶VulcanBench真实工程任务评测

VulcanBench是基于100%真实工程任务、并按不同effort级别进行评测的基准，其Eval Suite 3包含23项源自真实开源PR的高难度软件工程任务。最新榜单显示Grok 4.5 High排名第一，证明其工程能力领先，但评测也揭示高effort并不等于高精度。

2026-08-22 ~ 2026-08-22 · 2 条相关

• VulcanBench 榜单：Grok 4.5 High 居首，高 effort 并不等于高精度 — elonmusk · 2026-08-22
• Grok 4.5 登顶 VulcanBench 软件工程评测 — XFreeze · 2026-08-22