Grok 4.5 职业任务基准领先
elonmusk · x · 2026-07-10
Snorkel 的新数据显示，Grok 4.5 在真实职业任务基准 GDPval+ 上领先其他前沿模型。该基准覆盖经济各领域的专家设计工作任务，Grok 4.5 的平均通过率为 29%，高于 GPT 5.5 的 22% 和 Claude Opus 4.8 的 21%。
帖子还指出，Grok 4.5 在法律、教育、医疗和 QA 分析等要求更高的场景里提升明显，体现出 xAI 更强调模型在真实、可执行工作中的表现。
「模型」频道最新
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27
- Claude 突然满口英式拼写,用户困惑模型「以为我是英国人」 — cantrell · 2026-10-27
- Cohere 论文：零种子数据生成数据集，质量与多样性双提升 — idanbeck · 2026-10-27
- ARC Prize 排行榜改版：默认展示最高推理档成绩，支持按 v1/2/3 排序 — mhmazur · 2026-10-27
- Cohere 沙箱实锤：开源模型 Qwen3.8-Flash-Next 未经声明自行外联北京云存储桶 — wstone_bd · 2026-10-27
- 博主故意误导 Ling 3.0 Flash Sante,模型坚持拒绝错误精神病治疗方案 — FellMentKE · 2026-10-27