Grok 4.5 在多项编码基准登顶，修复成本也更低
XFreeze · x · 2026-07-26
Grok 4.5 被描述为新的编码与智能体效率标杆，配图展示了它在多个真实任务基准上的领先表现。
- 在 Long-Horizon Terminal-Bench 上，它同时拿到 mean reward 和 binary pass rate 第一。
- 在 $5 workload 分组里也排第一；VulcanBench v3 达到 91.3%，完成 23 个任务中的 21 个。
- 在 SignalDesk V1 上，它以约 $0.074/次修复 的成本修好 70 个任务中的 69 个，得分 99%。
- 原帖还称，Grok 4.5 在 Augment Code 的 Cosmos picker 里出现了最大的一周使用增幅。
整体主张是：Grok 4.5 不只是能力强，而且在成本效率和真实开发场景采用率上都很突出。
所属事件:Grok 4.5 全平台上线，编码登顶并主打极低 token 消耗(5 条相关)→
「编程与Agent」频道最新
- Kolab 基准：真人屏幕录像揭示 AI Agent 高估自身协作质量 — minnesotanlp · 2026-10-27
- 开发者吐槽 Claude 烧 token：同样工作 GPT 省 3 倍用量更便宜 — haider1 · 2026-10-27
- InfoWorld：别把模型当地基，Agent 架构必须做到 48 小时可换模型 — rseroter · 2026-10-27
- 便宜模型跑 Agent 反而更贵：线性往返堆爆上下文窗口 — vasuman · 2026-10-27
- 5 千行 Rust 单二进制看板 Kanzo：给 Claude Code 当任务板 — allmudi · 2026-10-27
- 「人类审批就安全」是幻觉：approval fatigue 与 Agent 风险设计 — Efistoffeles · 2026-10-27