独立实测：Grok 4.7 中档推理反超高耗能 xhigh 档

Pawel Huryn 运营的 Bug Hunt Bench 用真实植入的 105 个 bug 测试前沿编码模型，采用盲评打分，模型成本跨度约 200 倍。初步结果显示，Grok 4.7 的 medium 推理档稳定跑赢 high 甚至 xhigh 档（medium 三次得分为 30/23/27），怀疑高推理档存在针对基准的刷榜优化倾向。

2026-09-22 ~ 2026-09-22 · 2 条相关