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
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用 prompt 造硬件:一次对话让智能体组装定制设备寄到家 — paraschopra · 2026-09-11
- 模型之外才是关键:一文拆解 RAG 到多智能体的六大 AI 架构 — goyalshaliniuk · 2026-09-11
- 零基础开发者自建分层记忆架构，仅 20k token 记住一年对话 — matteoianni · 2026-09-11