Grok 4.5 登顶 VulcanBench，编程任务解决率与成本双杀

XFreeze · x · 2026-08-05

在 VulcanBench 基准测试中，Grok 4.5 在 23 个真实代码合并任务（涵盖 Python、Rust 等五种语言）里以 91.3% 的解决率夺得第一。

除了准确率领先，Grok 4.5 在成本上也具有显著优势：单任务成本仅为 0.32 美元。相比之下，Claude Fable 5 和 GPT-5.6 Sol 的最高解决率为 20/23，而 Kimi K3 虽然最终达到了相同的解决数量，但需要两小时的扩展时间，且单任务成本高达 1.37 美元。