Grok 4.7 包揽 VulcanBench v4 前三名,超 Opus 5.5 与 Sonnet 5.5
XFreeze · x · 2026-10-28
据 X 用户 XFreeze 分享的 VulcanBench Frontier v4 榜单,Grok 4.7 三个推理档位包揽前三:xHigh 93.15、High 92.71、Medium 92.30,领先 Haiku 5.5(92.16)、Sonnet 5.5(92.02)、Fable 5.1(91.84)与 Opus 5.5(91.11)等一众前沿模型。
该基准主打仓库级软件工程任务而非孤立的编码题,包含 23 个行为重建任务,要求模型复刻遗留软件的真实行为,评分维度涵盖功能正确性、隐藏测试、安全性、lint/复杂度与代码质量。Grok 4.7 最高分运行还拿下最高代码质量分 84.35,Top 3 运行分别通过 23/23、22/23、21/23 个任务。
注意:榜单由第三方账号发布,模型与版本号尚未见官方证实。
「编程与Agent」频道最新
- 告别人工传话筒：开源工具 Switch 让 Claude Code 直接连进团队 Slack — thetripathi58 · 2026-10-28
- 开源 JNISleuth-MCP：让本地 LLM 跨 Jadx/Ghidra/IDA 逆向 Android 原生库 — Dull-Plankton3027 · 2026-10-28
- 开源 Moonfold：编码 agent 撞用量上限时自动把任务交接给下一个 — subaru_kun33 · 2026-10-28
- 首届 FastAPI Conf 在阿姆斯特丹开幕,OpenAI 与 Pydantic 登台 — DynamicWebPaige · 2026-10-28
- Agent 在真实基础设施上跑命令怎么测？开发者求测试方案 — NetInternational313 · 2026-10-28
- EMNLP 2026 开设「智能体失败模式」教程，四阶段拆解 agent 何时失效 — wzenus · 2026-10-28