Grok 4.5 对上 DeepSeek-V4-Pro，但仍不适应 WeirdML 形式
teortaxesTex · x · 2026-07-23
这条在聊 Grok 4.5 和 DeepSeek-V4-Pro 的对比，核心信息来自引用里的 WeirdML 评测结果：Grok 4.5（high）得分 46.4%，低于 Grok 4.3 的 49.9%。
作者的判断是，Grok 4.5 看起来比早期版本更聪明，但问题不在“会不会做题”，而在于它经常不适应评测形式：有时只是在探索数据，却没有真正提交分类/预测结果；甚至有两个任务在 5 次迭代里都一次预测没交，直接拿到 0 分。
这条帖子的结论是，WeirdML 这种任务更像在考验模型是否被专门训练过要尊重约束，而不只是泛泛的能力强弱。
「模型」频道最新
- Kimi K3.1 Pro 登顶 MathArena 开源模型，整体逼近 GPT-5.5 — teortaxesTex · 2026-10-26
- Ruff 作者感叹:前沿模型能在任何软件里找到无穷多 bug — charliermarsh · 2026-10-26
- 开发者实测同一 skill 跨 Opus 5.5 与 Sol 6.1:指令遵循表现参差 — lucasmeijer · 2026-10-26
- supermemory 发布 learner-1：面向任意模型的持续学习方案 — julianweisser · 2026-10-26
- Anthropic 称 Opus 5.5 单任务成本较 Opus 5 降约 40% — taufiqintech · 2026-10-26
- 27 家 AI 搜索接口横评:前 12 名只差 7 分,价格却差近 7 倍 — FinanceYF5 · 2026-10-26