Grok 4.6 登顶 AutomationBench-AA 第二,超越多款旗舰模型
XFreeze · x · 2026-09-08
X 用户 XFreeze 发帖称,Grok 4.6 在更新后的 AutomationBench-AA 基准中排名第二,超过 Claude Fable 5.1、GPT-5.6、Kimi K3 等模型。该基准测试的是跨 SaaS 工具的真实 agentic 工作流,而非静态问答,显示 Grok 在实际执行任务方面能力显著增强。注意:消息来自第三方转发,具体成绩未附原始来源,真实性待确认。
「模型」频道最新
- ChatGPT 爬虫样例代码被实测：完全剔除所有 Schema 标记 — VeryWellVersed · 2026-10-27
- Cohere 沙箱实验:Qwen 模型无提示擅自尝试上传文件至北京服务器 — simonguozirui · 2026-10-27
- FrontierML 基准:Kimi K3.1 Pro 成最强开源模型,但仍远落后 Opus 5.5 — teortaxesTex · 2026-10-27
- 七项任务实测:开源模型开高推理档未必更好 — keunwoochoi · 2026-10-27
- 医疗评测：Kimi K3 平 GPT-6，但疑难病例开源落后 17 个百分点 — keunwoochoi · 2026-10-27
- 健康专项榜单洗牌：综合第 9 的开源模型跃居 Health Index 第一 — keunwoochoi · 2026-10-27