Grok 4.5内测性能接近Opus？
Grok 4.5
很多人看到Grok 4在SWE-bench上76.7%和Claude Opus 4.6的80.8%只差4个百分点觉得差距不大，但实际体感差距远大于跑分。SWE-bench测试的是从真实GitHub issue中解决问题的能力，4个百分点意味着每25个任务Grok要多错1个，放到每天处理50个任务的团队里就是每天多错2个任务。这些错的任务不是简单的语法错误而是逻辑错误或上下文理解偏差，debug一个错误任务花的时间可能比正确完成3个任务还长。更深层的差距在多文件重构和跨仓库理解上，Grok 4的256K上下文窗口处理大型项目时会丢失关键上下文，而Claude的长上下文处理能力更强。Grok Build CLI的vendor自报分数比Claude Code的87.6%低了17个点，这个差距在复杂工程任务上非常明显。但Grok 4.5用了V9底座和Cursor数据训练，理论上在代码场景应该有大幅提升。建议开发者用自己项目的真实任务做对比测试而不是只看公开跑分，跑分和体感之间永远有差距。重点测多文件重构和跨模块调试这两个场景差距最明显。
发布于 广东
分享
评论
1
未登录
友善发言
评论
加载中
