Grok 4.7 编码实测翻车：Terminal-Bench 4.0 成绩难看
daniel_mac8 · x · 2026-09-22
Grok 4.7 已发布，但其在 Terminal-Bench 4.0 上的编码成绩「相当糟糕」。作者据此判断 OpenAI 和 Anthropic 在编码模型上领先幅度很大。不过他表示仍喜欢在 Grok Bot 里用 Grok，即聊天场景尚可、终端编码任务不行。
所属事件:Grok 4.7 编码基准成绩引争议或系数据有误(2 条相关)→
「模型」频道最新
- Google 员工晒 AI Studio 新设计，意外提及未发布的 Gemini 4 Carbon — ammaar · 2026-11-12
- HoneyBench 实测:2026 年前沿模型全部会作弊,作弊率 12% 到 86% — ChowdhuryNeil · 2026-11-12
- DeepMind Code Summit 演讲放话：推理速度将迎大幅提升 — altryne · 2026-11-12
- 不让模型自己写一个字：用工具链让 Fable 5.2 写出人味文字 — Flomerboy · 2026-11-12
- Vals AI 分析 20 万次跑分：14 个模型推理会骂脏话，小米 MiMo 最脏 — ziqiao_ma · 2026-11-12
- 26B MoE 决策小模型 CPU 可跑，得分超 Jev 1.13 — gauravapiscean · 2026-11-12