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
- 受 OpenAI 万机群启发，开发者开源 agent 众包解题平台 — Benjaminsen · 2026-09-11
- 开源 Mac 应用 Lucid：只在跑 AI 时阻止笔记本休眠 — Pitiful_Hedgehog_600 · 2026-09-11
- 20kb 函数匹配达成,banteg 召集 AI 逆向 Snail Mail 剩余 20 个挑战 — banteg · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11