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
- Gergely Orosz 观察:AI Agent 提速十倍交付,却带来一堆小退化 — ducha_aiki · 2026-09-11
- 同题 Echo Maze 实测:三大模型看似成功,代码里藏着同一个 bug — eyishazyer · 2026-09-11
- Astra 分镜+Minimax H3 分镜逐帧生成，视频创作成功率大增 — Hailuo_AI · 2026-09-11
- Codex 用户实测：Sol 搭配 Astra/Luna 子代理更省额度 — pvncher · 2026-09-11
- 开源 Agent Skill 2.3k 星:生成 MVP 蓝图并审计重构 agentic harness — tom_doerr · 2026-09-11
- Cognition SWE-2 用 KKT 对偶优化长度惩罚，一次 RL 推移 Pareto 曲线 — YouJiacheng · 2026-09-11