实测反转:4.6 高档跑赢 4.7,疑似针对热门榜单优化
PawelHuryn · x · 2026-09-22
博主 PawelHuryn 对 Grok 4.6 与 4.7 做多轮独立实验对比:在 high 档 4.6 以 23 比 19 胜过 4.7,4.6 的 medium 档甚至也更好;max 档 4.7 追加一轮(n=4)仅以 0.1 分反超,作者判断属随机噪音。他正在扩大各 effort 档位的实验数量,并推测 4.7 并非真的更强,而是针对流行基准做了优化。
所属事件:Bug Hunt Bench 实测：GPT-6 登顶，MiMo 性价比惊艳(18 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