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
- Devin 接入 e2b 沙箱，支持远程 agent 执行 — badphilosopher · 2026-07-22
- Hermes Agent 架构重构提案：拆分单体与事件总线解耦 — Promptmethus · 2026-07-22
- ty 现在可读取 Pydantic 配置关键字和字段元数据 — charliermarsh · 2026-07-22
- Pensar推出AI安全智能体：自动挖掘0day并完成修补 — andriy_mulyar · 2026-07-22
- ty 加入 Pydantic 一等支持，区分严格与宽松模式 — charliermarsh · 2026-07-22
- Google 推出 Gemini 3.5 Flash Cyber，限量供政府和可信伙伴使用 — GoogleAI · 2026-07-22