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 评测：智能指数46分进前四，token消耗翻倍(7 条相关)→
「模型」频道最新
- Azure OpenAI 内容过滤器闹乌龙:把「S&M」当成色情内容拦截 — peterjliu · 2026-09-22
- IFM 发布 K2-Horizon-36B-A4B:MoVA 新架构以 4B 激活参数对标大 20 倍模型 — victormustar · 2026-09-22
- Grok 4.7 又翻车：花 $1.59 输出惨不忍睹，遭全网围观 — teortaxesTex · 2026-09-22
- 实测打脸:1000 条诈骗广告分类,拟合 TF-IDF 基线完胜 LLM — justinbiebar · 2026-09-22
- Evo 2 模型内部竟编码「生命之树」:激活流形对应物种演化关系 — burny_tech · 2026-09-22
- 内部实测：Grok 4.7 在 22 项知识工作中排第 3，成本低于 5 美元 — realsohamparekh · 2026-09-22