100 项多智能体评测:Grok 4.7 解法有洞见但语法错误多,作者判为 flop
teortaxesTex · x · 2026-09-23
博主 leolinsky(经转发)称在 100 项多智能体编码评测中测试了 Grok 4.7:能跑通时,其方案常比同级前沿模型更有洞见,但浪费大量轮次甚至整次提交在语法与运行时错误上,响应速度也明显慢于 Grok 4.6,总体结论是 flop。该说法为第三方个人评测,未经证实,仅供参考。
「模型」频道最新
- 开发者自建 git 网页应用被 Codex 安全护栏误判为网络安全风险 — brianmichel · 2026-11-11
- 微软演示 Lazarus 后门：改不到 10 个神经元即可操控 AI agent — DimitrisPapail · 2026-11-11
- DeepSeek 开源编码 agent DSH 登上 HF Harness 榜，五项评测并列第一 — TheZachMueller · 2026-11-11
- 博主断言美国开源模型将凭盈利模式主导，但仍难追 Claude — marktenenholtz · 2026-11-11
- NVIDIA 发布开源 GR00T 2：真实灵巧手全自动完成化学实验 — EricBuess · 2026-11-11
- 降价反而更贵:新模型太爱自查，单任务成本涨31% — tengyanAI · 2026-11-11