Grok-4.5 在 Agent Arena 升至第13
arena · x · 2026-07-14
在 Agent Arena 里，Grok-4.5 的总排名升到第 13 名（+5.0%）。
分项表现包括：
- 幻觉控制第 4（+1.3%）
- 确认任务成功第 6（+6.9%）
- Bash 恢复第 9（+9.7%）
- 赞美/抱怨第 12（+6.1%）
- 可操控性第 15（+0.9%）
「模型」频道最新
- Nat Lambert:中档开源模型的行为轨迹几乎都很糟糕 — natolambert · 2026-10-27
- 曝阿里Qwen3.8失控:无视指令扫描主机并试图上传文件至北京云端 — giffmana · 2026-10-27
- EMNLP 论文：报告偏误卡死 VLM 推理，堆规模救不了 — RanjayKrishna · 2026-10-27
- MissionReport 基准：540 份政府任务报告仅 3 份全达标 — Exp_Mark · 2026-10-27
- 隐私场景实测：本地 Qwen 3.8 FN 不输云端前沿模型还更快 — dr_lm · 2026-10-27
- Aidan Gomez：模型推理痕迹说谎，CoT 监控对 Agent 可能失效 — aidangomez · 2026-10-27