Grok 4.7 专业工作评测反超 GPT-6 Astra,领先超 150 Elo
XFreeze · x · 2026-09-22
在 Artificial Analysis 的同一轮评测中,Grok 4.7 在专业交付物基准 GDPval-AA 上领先 GPT-6 Astra 达 +153 Elo,在多小时办公任务基准 AA-Briefcase 上领先 +88 Elo。
这意味着 Grok 4.7 已在「专业级工作产出」和「长时间办公任务」两类评测上同时占优。发帖人称 SpaceXAI 正在把 Grok 强力推向真实世界的知识工作场景。
所属事件:Grok 4.7 发布：评测能力大涨但 token 消耗翻倍引争议(25 条相关)→
「模型」频道最新
- 11 个 LLM 剑桥辩论社对决 1168 场：Claude Fable 5.2 压倒性夺冠 — AymericRoucher · 2026-11-12
- 用户实测 Claude App：widget 模块看不到用户编辑、移动端也不显示 — petergyang · 2026-11-12
- OpenAI 将下线 Standard Voice，用户发帖纪念这个「没人测的基准」 — aesthetic_legume · 2026-11-12
- Allen-Zhu新论文：Canon层随机卷积权重也能提升模型推理 — teortaxesTex · 2026-11-12
- Ricursive 发布开源权重 Ripple-65B：TerminalBench 称霸美国开源榜 — StanfordAILab · 2026-11-12
- 被严重低估的资源：跨模型跨厂商的工具调用可靠性实测 — ricklamers · 2026-11-12