AA-Briefcase 评测：Grok 4.7 分析质量 Elo 大涨至 1994
ArtificialAnlys · x · 2026-09-22
Artificial Analysis 补充 Grok 4.7 在 agent 知识工作基准的细分数据：AA-Briefcase（模拟真实职业任务）得分 1657 Elo，较 Grok 4.6 (high) +111，仅次于 Claude Opus 5 和 Claude Fable 5.1。提升主要来自分析质量：分析质量 Elo 1994（上代 1690），呈现质量 1499（上代 1519）。该基准还检查交付物是否满足任务要求。在 GDPval-AA（要求产出文档、表格、幻灯片等实际工作成果）上得分 1695，上代为 1605。
所属事件:Grok 4.7 发布：评测能力大涨但 token 消耗翻倍引争议(25 条相关)→
「模型」频道最新
- 11 个 LLM 剑桥辩论社对决 1168 场：Claude Fable 5.2 压倒性夺冠 — AymericRoucher · 2026-11-12
- 用户实测 Claude App：widget 模块看不到用户编辑、移动端也不显示 — petergyang · 2026-11-12
- OpenAI 将下线 Standard Voice，用户发帖纪念这个「没人测的基准」 — aesthetic_legume · 2026-11-12
- Allen-Zhu新论文：Canon层随机卷积权重也能提升模型推理 — teortaxesTex · 2026-11-12
- Ricursive 发布开源权重 Ripple-65B：TerminalBench 称霸美国开源榜 — StanfordAILab · 2026-11-12
- 被严重低估的资源：跨模型跨厂商的工具调用可靠性实测 — ricklamers · 2026-11-12