Grok 4.7 编码基准成绩引争议或系数据有误

Grok 4.7 发布后，其 Terminal-Bench 4.0 编码基准成绩被指「相当糟糕」「惨不忍睹」，发帖者据此认为 OpenAI 和 Anthropic 在编码模型上大幅领先。不过该作者随后又质疑 ARC Leaderboard 的数据可能有误，撤回了此前对成绩的强判断，事件结论仍有待官方榜单核实。

2026-09-22 ~ 2026-09-22 · 2 条相关

• Grok 4.7 编码实测翻车：Terminal-Bench 4.0 成绩难看 — daniel_mac8 · 2026-09-22

另有 1 条近重复转述:daniel_mac8