Grok 4.5 在 ARC-AGI-1 得分 85.7%，ARC-AGI-3 仅 0.3%
scaling01 · x · 2026-07-24
Grok 4.5 在 ARC-AGI-1 表现很强，但 ARC-AGI-3 依旧接近失灵
ARC Prize 给出的验证结果显示，Grok 4.5 在不同 ARC-AGI 版本上的表现差异非常大：
- ARC-AGI-1：85.7%，单题成本 $0.33
- ARC-AGI-2：52.6%，单题成本 $0.78
- ARC-AGI-3：0.3%，单题成本 $6.9K
测试方还指出，把 reasoning effort 从 medium 提到 high，并没有带来性能或成本上的提升。
「模型」频道最新
- 同题 Echo Maze 实测:三大模型看似成功,代码里藏着同一个 bug — eyishazyer · 2026-09-11
- 新基准一出分数暴跌 70 点:「刷榜」现象如何让跑分失真 — airesearch12 · 2026-09-11
- ChatGPT 竟劝用户「问题太复杂,去试试更笨的回答」 — phido3000 · 2026-09-11
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
- 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11