Grok 4.5 在 ReactBench 表现不错
aidenybai · x · 2026-07-21
ReactBench v1 是一个面向真实 React 开发任务的编码代理评测，强调传统测试覆盖不到的问题，比如性能、可访问性和生产质量缺陷。
图里给出了几家模型/代理的结果：GPT 5.6 Terra 和 Sol 以 53% 的 pass@1 领先，Fable 5 为 47%，GPT 5.6 Luna 为 44%，Cursor Grok 4.5 High 为 40%。另一张图还展示了分数与单次 rollout 成本的关系，Grok 4.5 的成本大约是 $0.62/次，性价比较突出。
「编程与Agent」频道最新
- 安全专家：让 AI 智能体按 NIST CSF 搭知识库做应急响应 — prasanna_says · 2026-10-26
- Google Cloud Knowledge Catalog 新增自学习上下文充实,为 agent 自动补全企业知识 — rseroter · 2026-10-26
- Cloudflare 推出支出上限功能早期预览,Workers 与 Durable Objects 先行 — ritakozlov · 2026-10-26
- Shopify 设计负责人谈 AI 时代工作流：设计师正变成全栈编辑 — KlausCodes · 2026-10-26
- Nace AI 推出 Drex for Search：让 Agent 精准翻页读云端文件 — testingcatalog · 2026-10-26
- Ultrametric 开源 Open Startup Repo:让 AI Agent 自动运营创业公司 — garrytan · 2026-10-26