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
- GPT-6 Astra 用时 44 小时通关含敌人 Factorio,API 成本约 4500 美元 — liminal_bardo · 2026-09-11
- 投资分析师求教：如何用 Claude 搭建尽调 Agent 工作台 — Careless_Tie2286 · 2026-09-11
- 把 Agent 当失忆症患者：三层上下文分层法让对话不再从零开始 — evielync · 2026-09-11
- Android 手机跑 Firefox MCP：Termux+ngrok 完整教程 — Nervous-Strain7544 · 2026-09-11
- 开源 SmolVM:2026 年 Agent 不止用浏览器,而是拥有整台电脑 — aniketmaurya · 2026-09-11
- agent 功能测试全过也可能商业退化,ARRM 想跨版本对比 agent 经济行为 — Beautiful_Belt_601 · 2026-09-11