Grok 4.5 登顶 VulcanBench 软件工程评测
XFreeze · x · 2026-08-22
Grok 4.5 在 VulcanBench Eval Suite 3 中排名第一。该评测包含 23 项高难度软件工程任务，直接源自真实开源 PR。结果显示 Grok 在工程能力上表现极其强劲。
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
- ChatGPT 推荐视频工具时提示「可通过 Runway 集成获取」，被讽疑似软广 — tlakomy · 2026-10-16
- 微软 MAI 自研 3T 参数级预训练基座模型完成，后训练结果即将公布 — soumitrashukla9 · 2026-10-16
- 实测 Gemini 4 Argon：速度远超 Opus 5.5，但幻觉多且贵 — prasenx · 2026-10-16
- Bindu Reddy 呼吁 Meta 开源 Wonder:称其略强于 DeepSeek — bindureddy · 2026-10-16
- Fortytwo Engine 用 Swarm Inference 让 Qwen3.8-27B 准确率升 7%、token 省 25% — rohanpaul_ai · 2026-10-16
- 「中国已追平前沿」?对比图显示 K3 仍落后 Microsoft MAI — scaling01 · 2026-10-16