玩梗：Grok 4.5波音基准测试

victormustar · x · 2026-07-16

HuggingFace 工程师 Victor Mustar 发推玩梗，对尚未发布的 Grok 4.5 在“波音747基准测试”中的表现进行预测，称其可能介于 Opus 4.5 和 4.8 之间，并表示对 Grok 5 充满期待。

该基准测试源于他此前分享的一个极具挑战性的编码任务：要求模型仅使用 Three.js 基础图元构建波音747模型。他当时展示，Anthropic 的 Opus 4.8 能够通过单次提示词自主完成几何构建、多角度截图验证、Bug 修复与自我调试，在25分钟内循环7次跑通了该任务。