GPT-5.6 Sol
Grok4.6发布，梁文锋马斯克同夜对垒
Grok 4.6
梁文锋的 DeepSeek V4 Pro 正式版凌晨悄悄上线了，几乎同一分钟，马斯克那边 SpaceXAI 把 Grok 4.6 也放了出来，两家的发布时间卡得跟约好了一样，我一眼就笑了，这俩人这是商量好了要同一夜打擂台。我赶紧拉了评测表看，越看越觉得有意思，他们盯上的根本不是谁聊天更顺溜，而是同一个东西：让模型在长任务里真的能干活。DeepSeek V4 Pro 这次在 CyberGym 拿了 83.3，直接压过 Anthropic 的 Fable 5 那 83.1，AutomationBench 也 31.8 排第一，Terminal-Bench 2.1 更离谱，87.9 分，离 Fable 5 的 88.0 只差 0.1，我盯着那个 0.1 发愣，三个月前它预览版才 72.1，等于一个季度涨了快 16 分，软件工程那个 DeepSWE 更夸张，从 12.8 直接飙到 62.7，快五倍。Grok 4.6 这边呢，智能指数 61 跟 GPT-5.6 Sol 打平，知识工作 GDPVal-AA v2 拿了 1753 Elo 排第一，超过了 Fable 5 的 1741。我一个天天跟模型打交道的人，看到这儿有点恍惚，年初 Grok 还在榜单十几名开外，这会儿已经能跟 OpenAI 肩并肩了。两家不约而同把矛头对准长周期智能体，让 AI 自己调工具、改代码、验证结果，最后交出一个能跑的成品，这个方向我太认同了，我们团队压了一年的 Agent 管线，总算等到了模型侧真正跟上的时刻。你们昨晚刷到这俩消息的时候，是觉得热闹还是觉得后背发凉？评论区聊聊。
发布于 福建
分享
评论
赞
未登录
友善发言
评论
加载中
