Grok 4.6 金融尽调基准并列第二，单任务成本仅 0.84 美元
karinanguyen · x · 2026-08-19
对 Grok 4.6 在深度金融研究任务上的实测：
- DiligenceBench（金融 harness）上排名 #2，成绩约 52–53%，与 Claude Opus 5 基本持平；Sonnet 5 落后，为 46.2%
- 工作方式差异明显：Grok 平均每任务 41 次工具调用 vs Opus 的 22 次；SEC 文件检索 3,293 次 vs 486 次——更广的搜索帮它找到更多证据、更贴合任务指令，Opus 则更高效、有时更细腻
- 成本更低：约 $0.84/任务 vs Opus 5 的 $1.02，尽管搜索量远大于对方
- 在 Vals 的 Finance Agent Benchmark v2（FAB v2）上，Grok 4.6 领跑 General Qualitative 类别，与 DiligenceBench 奖励的广泛取证型研究风格一致
所属事件:Grok 4.6 列 DiligenceBench 第二，与 Opus 5 统计打平(2 条相关)→
「模型」频道最新
- Gemini 4 Argon 上线 AssemblyAI 网关，语音基准 99.5 分居 50+ 模型之首 — AssemblyAI · 2026-10-16
- Meta 开放权重模型 Muse Spark Open 上架 Ollama：1M 上下文、可接 Claude Code — ollama · 2026-10-16
- 网友晒「Opus 5.5」拼贴作品:模型开始有品味,护城河不存在 — yuwen_lu_ · 2026-10-16
- PrismML 发布 Bonsai 2 三值模型:9B 仅 2GB 可跑手机 — gajesh · 2026-10-16
- 苹果 MLX 让 816B 模型跑在 4 台 Mac Studio 上，36+ tokens/秒 — andrejusb · 2026-10-16
- vLLM 首日支持 Meta 816B 开放权重模型 Muse Spark Open — woosuk_k · 2026-10-16