转发实测：Grok 4.7 在 105 个真实 bug 横评中仅得 28.7 分
eugeniyoz · x · 2026-09-22
eugeniyoz 转发 Pawel Huryn 的 Bug Hunt Bench 评测结果：在 105 个真实植入 bug 的修复测试中，GPT-6 Astra (max) 45 分居首，Grok 4.7 与 Grok 4.6 同为 28.7 分，低于 Muse Spark 1.3（32.2）和 Opus 5（27 仅略低），Qwen3.8-Max 25.7 垫底。作者结论：Grok 4.7 并非期待中的突破。
所属事件:Bug Hunt Bench 实测：GPT-6 登顶，MiMo 性价比惊艳(18 条相关)→
「编程与Agent」频道最新
- Plurai 发布 Agent 仿真测试插件:数字孪生让 Agent 先在虚拟世界翻车 — nikola_mr64990 · 2026-11-12
- Agent 说「Done」不等于真做完:Plurai 仿真核验实际行为 — nikola_mr64990 · 2026-11-12
- LlamaIndex 让 AI Agent 渗透测试自家 LlamaParse，四天暴露四条经验 — llama_index · 2026-11-12
- Manhattan 字体 v0.0.1：每个字母都是一个 Python 函数 — allanyu_ · 2026-11-12
- 用 Backplane「提示词造出」任意扩展卡,网友呼吁扩展口回归标配 — _Stocko_ · 2026-11-12
- Agent 会话跑了 51 分钟烧 24.8 万 token,网友直呼还在干活 — _Stocko_ · 2026-11-12