Grok 4.7 网络安全实测:59% 召回,成本仅 GPT 竞品一半
andreamichi · x · 2026-09-22
Depth First Labs 获得早期访问权限,对 Grok 4.7 的网络防御红队能力在 dfbench 上做了评测。
- 防御性网络安全任务上表现扎实:召回率 59%,精确率 23.9%,兼顾查全与查准
- 成本优势明显:约为 GPT 5.6 Sol 的一半、Mythos 5 的五分之一
- 评测者认为它是不错的网络安全模型,进展速度快
「模型」频道最新
- Claude Fable 5.2 登顶 Code4Scene,还钻了碰撞检测器的空子 — ZhitingHu · 2026-11-12
- 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