Grok 4.5 软件工程榜单第二
elonmusk · x · 2026-07-11
Grok 4.5 在真实软件工程基准 APEX-SWE 上拿到 **Pass@1 51.2% ±6.0**，排名第二，仅次于 Fable 5 的 **65.5% ±6.2**。 细分来看，它在 **Integration** 任务上以 **65.0% Pass@1** 排名第一，在 **Observability** 上以 **37.3% Pass@1** 排名第二。帖子还指出，这类多步构建与诊断/调试任务，正对应 Grok 4.5 面向的 agentic 编码工作流；相较 Grok 4 的 **21.0%**，一年内提升了 **30.2 个百分点**。