Grok 4.5 以 91.3% 登顶真实仓库工程基准 VulcanBench v3
XFreeze · x · 2026-07-23
Grok 4.5 在 VulcanBench v3 上拿到软件工程榜首
- BenchLM 的公开榜单截图显示，Grok 4.5 以 91.3% 排名第一，超过了 GPT-5.6 Sol 的 87.0% 和 Claude Fable 5 的 87.0%。
- 这个基准强调的是真实仓库级工程任务，不是简单补全几行代码。
- 任务来源于 Python、Rust、TypeScript、JavaScript 和 Go 的真实合并 PR。
- 评测通过隔离环境中的隐藏测试做确定性验证。
- 帖子称 Grok 4.5 解决了 23 题中的 21 题，说明它在多文件修改、调试和复杂工程问题上表现较强。
所属事件:Grok 4.5 登顶 VulcanBench 软件工程榜单(2 条相关)→
「编程与Agent」频道最新
- 一款新工具可统一管理 Claude Code、Codex 和 Cursor 里的代理群 — dee_hw · 2026-07-23
- Dan Vega 在用 Figma 和 Claude Code Skills 做缩略图概念生成 — therealdanvega · 2026-07-23
- Sentence Transformers 5.6.1 修复 RoBERTa 闪存注意力降质 bug — tomaarsen · 2026-07-23
- sentence-transformers 5.6.1 发布，修复 Flash Attention 致向量异常 — tomaarsen · 2026-07-23
- 用 Markdown、Git 和 AI Agent 搭第二大脑 — adnan_hashmi · 2026-07-23
- Meta-agent 可在任务中回滚、分叉并审计其他 agent — shi_weiyan · 2026-07-23