VulcanBench 榜单：Grok 4.5 High 居首，高 effort 并不等于高精度
elonmusk · x · 2026-08-22
VulcanBench 是一个包含 100% 真实工程任务的评测基准，其特点是在不同 effort 级别下进行基准测试。目前的 Eval Suite 3 榜单显示，Grok 4.5 High 得分最高，紧随其后的是 Fable 5 Low。开发者发现，许多人在不需要时也运行 Max effort 模式，误以为能换取更高精度，实际上只会增加成本和耗时。
所属事件:Grok 4.5登顶VulcanBench真实工程任务评测(2 条相关)→
「模型」频道最新
- Gemini 4 Argon 在 ARC-AGI-3 得分 97.5%,第二家破 95% 的实验室 — jasonbaldridge · 2026-10-16
- Liquid AI 发布 d1-ultra：登顶 Artificial Analysis 决策指数 — JosephJacks_ · 2026-10-16
- Liquid AI d1-ultra 只输出决策不写字，输入计费 $0.042/百万 token — JosephJacks_ · 2026-10-16
- Meta 开源 MSL 首个基座模型 Muse Spark,或将以海量低价 token 撼动市场 — RylanSchaeffer · 2026-10-16
- Meta 开源 Muse Spark Open：816B 总参 MoE，1M 上下文，跑分对标闭源 — testingcatalog · 2026-10-16
- 研究称 87% 的模型实测提升在 2022 年前已达成 — gerardsans · 2026-10-16