Grok 4.7 Terminal-Bench 4.0 成绩惨淡,或为榜单数据有误
daniel_mac8 · x · 2026-09-22
作者先发推称 Grok 4.7 的 Terminal-Bench 4.0 编码基准成绩「惨不忍睹」,凸显 OpenAI 和 Anthropic 在编码模型上的领先;随后他质疑 Artificial Analysis 可能给出了错误的 Grok 4.7 测试结果,并补充自己仍喜欢在 Grok Bot 里用 Grok。成绩争议本身尚待确认。
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
- HF 研究员主张用效率增益指标取代最终 benchmark 分数 — eliebakouch · 2026-11-12
- 陶哲轩坦承：看 ChatGPT 雅可比猜想对答也曾被信息量淹没 — ChrisGPotts · 2026-11-12
- 网友辟谣:「Anthropic Opus 5.5 训练成本超 100 亿美元」系假消息 — ns123abc · 2026-11-12
- Domingos 贴图否定指数增长：前沿模型能力每年仅线性涨 16.5 分 — pmddomingos · 2026-11-12
- Hark 推出 Pro⁴ 高阶套餐,用量达 Pro² 的 10 倍 — adcock_brett · 2026-11-12
- Inkling 2 Small 预训练仅 1/6 时长却表现强劲，引发业内猜想 — georgejrjrjr · 2026-11-12