马斯克称 Grok 4.5 登顶长程终端任务基准
elonmusk · x · 2026-07-21
埃隆·马斯克转发 Grok Build，并引用称 Grok 4.5 在 Long-Horizon Terminal-Bench 的二元通过率排名里拿到第一。
- 引用内容称，Grok 4.5 在最严格的评分标准下，击败了 Claude Fable 5、Claude Opus 4.8 和 GPT-5.6-sol。
- 这个基准强调长链路终端任务：不仅要做出部分进展，还要能在数百步流程里持续保持上下文、修正错误并完成全流程。
- 结论是：Grok 4.5 在复杂的 agentic 编码和自动化任务上表现出明显优势。
「编程与Agent」频道最新
- HF Hub CLI 大更新:缓存去重省 19GB,GPU 任务可重试重跑 — yb2698 · 2026-10-26
- 前 Google 研究员团队发布 Fern 0.1:专供审计数据、调试训练的模型 — bneyshabur · 2026-10-26
- Fern 0.1 智能体基准首秀:SWE-Bench Verified 73.4,与前沿模型仍有差距 — bneyshabur · 2026-10-26
- 一条 Prompt 生成完整 Blender 动画,作者全程未手动建模 — iamfakhrealam · 2026-10-26
- 用户用 Claude Code 拆解本田车机：发现 root 后门与静默装 APK — IndraVahan · 2026-10-26
- Claude Code + MCP 接 Google Maps/Apollo/LinkedIn，搭年省万美元的获客引擎 — aryanXmahajan · 2026-10-26