Grok 4.5 荣登 Long-Horizon Terminal-Bench 榜首，超越 Claude 和 GPT 模型

Grok 4.5 在 Long-Horizon Terminal-Bench 评测中取得了第一名，超越了 Claude Fable 5、Claude Opus 4.8 和 GPT-5.6-sol。该排名基于严格的二元通过率，只有当任务完全解决、获得完美奖励且没有任何错误时才被视为成功。埃隆·马斯克强调了这一成就，称 Grok build “太棒了”。 AI

影响 为长时任务设定了新基准，可能影响未来的模型开发和评估。

排序理由 前沿实验室模型发布，声称具有基准性能。[lever_c_demoted from frontier_release: ic=1 ai=1.0]

在 X — Elon Musk 阅读 →

• Claude Fable-5
• Claude Opus-4.8
• Elon Musk
• GPT-5.6 Sol
• Grok
• Grok 4.5
• Long-Horizon-Terminal-Bench

• 模型发布
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →