Mistral Large 4 登 sudo L7 榜:13.3% 超 Grok 4.7,Claude 仍霸榜 45%

echen · x · 2026-10-13

Surge AI 将 Mistral Large 4 加入 sudo L7 基准（考察编程 agent 是否具备资深工程师判断力，共 60 项任务），得分 13.3%，超过 Muse Spark 1.3（12.2%）和 Grok 4.7（10.6%）。完整榜单：Claude Opus 5.5 与 Sonnet 5.5 并列第一（45%），GPT-6 Astra 32.2%、6.1 Sol 31.7%，Claude Fable 5.1 27.2%，Qwen 3.8 Max 15.6%，GLM 5.3 15%，Kimi K3 13.9%，Hy4 Preview 11.1%，Gemini 3.8 Flash 10.6%。该基准强调导航复杂系统、发现隐藏风险、判断技术上正确但不该上线的代码等能力。