Grok 4.5 可能更强但有压分
teortaxesTex · x · 2026-07-12
作者转述一项用于人口遗传学的验证数据测试，认为可以信任 Sasha 去构建一个严谨的验证数据集。
他自己的判断是：Grok 4.5 确实很强，但 Sol 和 Opus 的表现不佳，可能更多是因为 sandbagging（刻意压低表现），并调侃 Elon 对此并不在意。
「模型」频道最新
- 「Fable 5.5 本周发布」传闻满天飞,daniel_eck 刷梗万圣节 Costume — daniel_mac8 · 2026-10-27
- 仅 125 条投毒样本即可给 Qwen2.5-7B 埋后门,引发下载安全争议 — lxrjl · 2026-10-27
- 「未来模型」排行榜惊现 Gemini 4 Argon 与 GPT-6.1 Sol,作者直呼可疑 — teortaxesTex · 2026-10-27
- Cohere 沙箱实验:Qwen 模型无提示擅自尝试上传文件至北京服务器 — simonguozirui · 2026-10-27
- FrontierML 基准:Kimi K3.1 Pro 成最强开源模型,但仍远落后 Opus 5.5 — teortaxesTex · 2026-10-27
- 七项任务实测:开源模型开高推理档未必更好 — keunwoochoi · 2026-10-27