Grok 4.5 在 LaurenBench 以 56.9% 登顶，领先 Claude Sonnet 5 和 GLM 5.2
elonmusk · x · 2026-07-29
配图展示了 LaurenBench 的最新排名：Grok 4.5 Medium 以 56.9% 排在第 1，领先 Claude Sonnet 5 Medium 的 55.6%、GLM 5.2 Medium 的 55.2%、Claude Opus 5 Medium 的 51.7% 和 Kimi K3 Medium 的 49.7%。
图中说明这个 benchmark 测的是现实世界 agent 能力，覆盖：
- 对话
- 工具使用
- 记忆
- 安全性
榜单下半部分还能看到 GPT-5.6 Luna Medium（43.7%）、Gemini 3.5 Flash Lite Medium（42.4%）、Gemini 3.6 Flash Medium（41.7%）以及 DeepSeek V4 Pro Medium（41.3%）。这条信息本质上是在传递一次模型排名变化。
「模型」频道最新
- Opus 5.5 发布近月仍领先,但开源决策模型正在追赶 — airesearch12 · 2026-10-16
- Google 削减权益：Google Plus 订阅的 Pro 模型额度也被限制 — EmergencyLess8861 · 2026-10-16
- Meta 发布 Muse Spark Open,vLLM 支撑训练期 RL 推理并首日适配 — colinmcnamara · 2026-10-16
- Meta 开源 Muse Spark Open：两台 Mac Studio 就能跑，许可证禁止冒充人类创作 — mawcopolow · 2026-10-16
- 2024 年 Golden Gate Claude 视频再流行:可解释性 premise 至今仍成立 — HarperSCarroll · 2026-10-16
- Hugging Face 直播发布全新开源权重模型 — huggingface · 2026-10-16