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。
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。