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
- 首届 Three.js 大会落地巴黎，AI 正缩短从想法到原型的距离 — OdinLovis · 2026-09-11
- 观点：Agent 真正的瓶颈是企业数据工程能力 — dhruv2038 · 2026-09-11
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- GPT-6 Astra 用时 44 小时通关含敌人 Factorio,API 成本约 4500 美元 — liminal_bardo · 2026-09-11
- 投资分析师求教：如何用 Claude 搭建尽调 Agent 工作台 — Careless_Tie2286 · 2026-09-11
- 把 Agent 当失忆症患者：三层上下文分层法让对话不再从零开始 — evielync · 2026-09-11