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。
所属事件:Grok 4.5软件工程评测列第二(2 条相关)→
「编程与Agent」频道最新
- Matt Pocock 分享 expand/contract 拆分法:把单向门 PR 拆成两层降风险 — mattpocockuk · 2026-10-27
- Qdrant 自研 Universal I/O:向量库 mmap 无缝迁移到对象存储 — qdrant_engine · 2026-10-27
- theo 公开个人 Claude skills 栈，Garry Tan 喊话「公布你的技术栈」 — ycombinator · 2026-10-26
- Agent 成功完成任务的背后:验证器只查了「有没有点击」导致重复投票 — TejasKumar_ · 2026-10-26
- diginomica 周报:agentic 自动化被高估,agent 攻防「The Hackening」已开始 — jonerp · 2026-10-26
- 「氛围验证」研究：近 60% 的形式化证明证明的不是作者本意 — basedjensen · 2026-10-26