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
- 现代 AI Agent 协议栈的 11 项实用地图 — TheTuringPost · 2026-07-27
- NVIDIA 称 Nemotron 3 Ultra 在 RTL 芯片设计任务上达 97.1% — NVIDIAAI · 2026-07-27
- 东京 Agent Forge 黑客松一天做出可上线 AI agents — DavidBennett__ · 2026-07-27
- 长周期智能体最终需要不可变事件日志 — sebpaquet · 2026-07-27
- 实测智能体数据科学工作流：代码能跑但常答错问题 — hugobowne · 2026-07-27
- 一个 VS Code 扩展给 Alchemy 模板加上 Markdown 高亮 — samgoodwin89 · 2026-07-27