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
- Spring AI 2.1.0-RC1 发布：工具调用可设人工确认门槛，Agent 触数据前先暂停 — therealdanvega · 2026-10-26
- 柏林 DevDay 前夜黑客松 250 名开发者齐聚用 Codex 造物 — paw_lean · 2026-10-26
- 开发者吐槽：脱离 harness 的 API 模型「裸奔」时笨得让人想哭 — madeofAjala · 2026-10-26
- HarnessMM 论文：缓存已定决策,Agent Token 消耗降 88% 成功率反升 — omarsar0 · 2026-10-26
- 微软展示用 Copilot App 与 Foundry 搭建跨 Teams/Outlook 的意图识别 Agent — marlene_zw · 2026-10-26
- 求推荐可穿戴录音麦克风：要长续航，接自己转写和 MCP — altryne · 2026-10-26