Grok Build 4.7 登顶 DeepSWE 榜,代码仓库修改能力引热议
Kuprel · x · 2026-09-24
据 Artificial Analysis 的 DeepSWE 基准榜单,Grok Build 4.7 登顶,得分超过 OpenAI 的 Astra。作者就此质疑:Grok Build 4.7 在「修改代码仓库」类任务上已超过 OpenAI 的 Astra,并向马斯克喊话求证。该榜单反映的是 agent 修改真实仓库的软件工程能力,若属实则意味着 xAI 的编码 agent 能力已领先。
「模型」频道最新
- 4B 小模型加截图反而更差：一次浏览器 Agent 实验复盘 — Stunning-Sherbet1853 · 2026-11-11
- 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
- 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