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
- Thorsten Ball 发文谈 agent 编程，Steve Krouse 反对「拥抱异步」 — teropa · 2026-10-27
- 旧金山 Code Engineering 大会聚焦从编码 agent 到软件工厂 — LangChain · 2026-10-27
- 用 Claude Code 当 iPhone 取证器:挖出「已删」照片的 30 天隐藏副本 — alex_verem · 2026-10-27
- 用 Claude Code 审计 iPhone 备份，揪出被删照片的全部藏身处 — alex_verem · 2026-10-27
- Yuchen Jin：手机不是移动 IDE，而是 agent 舰队的控制台 — Yuchenj_UW · 2026-10-27
- FrontierCS 2 登陆 Kaggle：48 项任务让智能体复现 13 领域论文贡献 — MeganRisdal · 2026-10-27